[论文解读] Fuzzy Feedback Scheduling of Resource-Constrained Embedded Control Systems

Feng Xia, Youxian Sun+3 more|ArXiv.org|May 20, 2008

Real-Time Systems Scheduling参考文献 15被引用 10

一句话总结

本文提出了一种模糊反馈调度（FFS）方案，用于资源受限的嵌入式控制系统，在动态工作负载和资源可用性不确定的情况下维持控制质量（QoC）。通过使用模糊逻辑根据CPU利用率反馈动态调整控制回路采样周期，FFS方案在无需精确任务执行时间或准确性能模型的情况下实现了QoC保证，对测量噪声具有鲁棒性，并在计算开销极低的情况下实现了接近理想性能。

ABSTRACT

The quality of control (QoC) of a resource-constrained embedded control system may be jeopardized in dynamic environments with variable workload. This gives rise to the increasing demand of co-design of control and scheduling. To deal with uncertainties in resource availability, a fuzzy feedback scheduling (FFS) scheme is proposed in this paper. Within the framework of feedback scheduling, the sampling periods of control loops are dynamically adjusted using the fuzzy control technique. The feedback scheduler provides QoC guarantees in dynamic environments through maintaining the CPU utilization at a desired level. The framework and design methodology of the proposed FFS scheme are described in detail. A simplified mobile robot target tracking system is investigated as a case study to demonstrate the effectiveness of the proposed FFS scheme. The scheme is independent of task execution times, robust to measurement noises, and easy to implement, while incurring only a small overhead.

研究动机与目标

• 解决在可变工作负载和资源可用性不确定的情况下，资源受限嵌入式系统中维持控制质量（QoC）的挑战。
• 克服传统反馈调度的局限性，后者依赖于精确的任务执行时间与性能模型，而这些在实际中往往不可用。
• 开发一种无需显式掌握控制代价函数或精确任务执行时间知识的鲁棒且可实现的调度解决方案。
• 通过使用模糊逻辑对采样周期进行反馈控制，实现灵活的QoC管理，确保CPU利用率稳定。
• 在真实移动机器人目标跟踪应用中，在噪声和动态条件下验证FFS方案的有效性。

提出的方法

• FFS方案使用模糊逻辑控制，根据CPU利用率的实时反馈动态调整控制回路的采样周期。
• 模糊控制器将期望与实际CPU利用率之间的误差映射为采样周期的调整，使用查表法实现高效计算。
• 反馈调度器作为高优先级周期性任务运行，调用间隔为20 ms，执行时间为0.1 ms，每20 ms监控一次系统利用率。
• CPU利用率估计为 $\hat{U} = \frac{c_1}{h_1} + \frac{c_2}{h_2} + \frac{c_3}{h_3} + \delta_U$，其中 $\delta_U$ 为均值为零、方差为 $r^2$ 的高斯噪声。
• 系统采用固定优先级：反馈调度器（最高）、非控制任务（中等）、控制任务2（最低），最大采样周期上限为7 ms。
• 设计避免依赖显式的控制代价函数或精确的任务执行时间测量，利用模糊逻辑处理不精确输入的能力。

实验结果

研究问题

• RQ1 反馈调度方案是否能在无需精确掌握任务执行时间知识的情况下，维持期望的CPU利用率和QoC？
• RQ2 在测量噪声和不确定的工作负载变化下，所提出的FFS方案性能如何？
• RQ3 当性能模型不可用时，模糊逻辑控制在多大程度上能有效替代传统反馈调度？
• RQ4 与传统反馈调度相比，FFS方案的计算开销和实现复杂度如何？
• RQ5 在控制性能和鲁棒性方面，FFS方案与理想反馈调度和开环调度相比表现如何？

主要发现

• 尽管存在工作负载波动和测量噪声，FFS方案仍能成功将CPU利用率维持在接近设定的85%水平，确保QoC稳定。
• 在移动机器人案例研究中，噪声方差 $r = 0.1$ 的模糊反馈调度下，平均跟踪误差仅为0.51 mm，与理想反馈调度情况相当。
• 在开环调度下，系统在t = 2s前保持稳定，但从t = 2s到3s因过载（平均利用率110%）而变得不稳定，证明了反馈控制的必要性。
• FFS方案对测量噪声具有鲁棒性，在不同噪声幅度下均能维持有效的控制性能，仿真结果已证明这一点。
• 该方案计算开销极低（反馈调度器执行时间为0.1 ms），且由于其简单的模糊逻辑结构，易于实现。
• FFS方案无需掌握任务执行时间或控制代价函数的知识，使其适用于诊断能力有限的真实嵌入式系统。