基于温度模糊控制的多核处理器任务调度研究

基于温度模糊控制的多核处理器任务调度研究

论文摘要

多核处理器芯片实现了多线程并行处理,极大的提高了处理器性能,但日益增加的热功耗及由此而产生的速度瓶颈,也严重的制约了其性能的进一步提高。与此同时,较高的处理器温度不仅削弱了其可靠性,而且缩短了其使用寿命。当处理器温度超过阈值温度时,硬件层面的温度动态管理技术,例如电压和频率调制能够有效的降低处理器温度,但不可避免的会带来性能上的损失,因此,如何从软件层面合理的调度处理器当前任务,从而有效的控制处理器温度及局部热点,提高处理器芯片的稳定性,有着重要的现实意义。鉴于处理器温度变化具有纯滞后,非线性的特点,难以建立精确的数学模型,本文采用模糊控制算法,完成处理器任务调度的控制决策,实现对处理器温度变化的控制。本文先分析了模糊控制与常规控制各自的优缺点,总结了模糊控制在特定领域,优于传统控制的理论依据,并对模糊逻辑,模糊语言,模糊推理等重要的模糊控制内容进行了详细的介绍。在此基础上,本文首先进一步细致的阐述了模糊控制算法及模糊控制器的设计原则、设计方法和设计步骤,其次在MATLAB环境下的Fuzzy Logic Tool工具箱中,具体实现该算法,并通过Simulink仿真验证该算法阶跃响应控制效果,通过与传统PID控制阶跃响应曲线的横向比较,能直观看出模糊控制更为优良的控制效果。最后在P4双核处理器上将该算法嵌入至Linux内核调度器,实现处理器任务的调度,达到降低峰值温度的目的。试验环节中,我们在完成模糊控制算法的Linux内核嵌入后,选择随机调度算法作为参照,对模糊控制算法的调度效果进行评估。实验数据分析结果显示,处理器温度超限比例从77%下降到64%,处理器性能改善从3.3%提高到4.2%,这些事实充分表明,模糊控制算法相比随机算法,有更好的控制效果。最后,文末对全文做了总结概括,并对采用模糊算法的温度控制器研究做出了展望。

论文目录

  • 摘要
  • ABSTRACT
  • 图片目录
  • 表格目录
  • 第一章 绪论
  • 1.1 研究背景
  • 1.2 相关研究
  • 1.3 本文的组织结构
  • 1.4 本章小结
  • 第二章 模糊控制原理
  • 2.1 控制技术的发展
  • 2.2 模糊控制与常规控制的比较
  • 2.3 模糊控制器优于传统控制器的理论依据
  • 2.4 模糊温度控制器的非线性逼近能力
  • 2.4.1 基于误差的非线性函数逼近能力
  • 2.4.2 基于泛化能力(Generalization Capability)的逼近
  • 2.4.3 基于非线性变化能力(Non-linearity Variation)的逼近
  • 2.5 模糊逻辑,模糊语言与模糊推理
  • 2.6 本章小结
  • 第三章 模糊控制算法的设计
  • 3.1 模糊控制系统的基本组成
  • 3.2 模糊控制器
  • 3.2.1 模糊控制器的组成
  • 3.2.2 模糊控制器输入、输出结构
  • 3.2.3 模糊控制器的设计要求
  • 3.3 模糊控制器的设计
  • 3.3.1 变量的语言描述和赋值表
  • 3.3.2 模糊控制规则
  • 3.3.3 模糊推理
  • 3.4 模糊温度控制器维数选择的优化
  • 3.5 本章小结
  • 第四章 LINUX 实时调度研究
  • 4.1 任务调度的目标
  • 4.2 LINUX 的任务调度
  • 4.2.1 任务状态
  • 4.2.2 调度策略和依据
  • 4.2.3 Linux 实时调度算法
  • 4.3 模糊调度算法LINUX 实现
  • 4.4 本章小结
  • 第五章 试验结果与性能分析
  • 5.1 温度模糊控制器阶跃响应仿真分析
  • 5.2 SPEC2000 基准测试程序
  • 5.2.1 基准测试程序概述
  • 5.2.2 基准程序温度特性的测定
  • 5.2.3 基准程序温度特性的分类
  • 5.3 试验内容及数据分析
  • 5.3.1 试验过程及内容
  • 5.3.2 试验结果及分析
  • 5.4 本章小结
  • 第六章 全文总结及研究展望
  • 6.1 全文总结
  • 6.2 研究展望
  • 6.2.1 理论的完善
  • 6.2.2 非线性控制
  • 6.2.3 简单性
  • 参考文献
  • 致谢
  • 攻读学位期间发表的学术论文
  • 相关论文文献

    • [1].基于云计算的资源延迟感知任务调度优化[J]. 信息与电脑(理论版) 2019(24)
    • [2].云环境下版本控制及任务调度优化技术研究[J]. 电子元器件与信息技术 2020(01)
    • [3].卫星自主与协同任务调度规划综述[J]. 自动化学报 2019(02)
    • [4].基于云计算的舰船大规模任务调度优化[J]. 舰船科学技术 2019(06)
    • [5].云计算环境下基于蚁群算法的任务调度研究[J]. 科技创新导报 2019(02)
    • [6].云计算环境下用户任务调度效率优化仿真[J]. 计算机仿真 2017(04)
    • [7].基于稳定性分析的电控离合器任务调度周期设计[J]. 上海交通大学学报 2019(04)
    • [8].卫星任务调度统一化建模与多策略协同求解方法[J]. 控制与决策 2019(09)
    • [9].信息物理融合生产系统动态任务调度研究[J]. 武汉理工大学学报(信息与管理工程版) 2017(03)
    • [10].基于离散人工蜂群算法的云任务调度优化[J]. 计算机应用 2016(01)
    • [11].任务调度路径选择方法的研究与仿真[J]. 计算机仿真 2016(06)
    • [12].物联网任务调度优化建模与仿真研究[J]. 计算机仿真 2015(03)
    • [13].人工蜂群算法在并行测试任务调度中的应用[J]. 计算机测量与控制 2012(06)
    • [14].云计算环境下基于改进遗传算法的多维约束任务调度研究[J]. 小型微型计算机系统 2017(09)
    • [15].基于时空情境的可重构高性能任务调度体系[J]. 实验室研究与探索 2015(03)
    • [16].基于遗传算法的小卫星任务调度[J]. 通信技术 2013(11)
    • [17].云计算中任务调度研究的调查[J]. 计算机科学 2019(03)
    • [18].基于蚁群算法的测试任务调度优化方法[J]. 兵工学报 2019(06)
    • [19].考虑处理机时间窗口的可分任务调度优化模型[J]. 西安交通大学学报 2017(09)
    • [20].多DAG任务调度算法[J]. 中山大学学报(自然科学版) 2019(04)
    • [21].自适应动态调整粒子群的云计算任务调度[J]. 计算机应用与软件 2019(09)
    • [22].协同任务调度构架模型及关键算法研究[J]. 计算机工程与设计 2008(16)
    • [23].网格计算技术及其任务调度策略[J]. 电子测试 2019(11)
    • [24].云环境下调度算法综述[J]. 电子技术应用 2019(09)
    • [25].多目标优化模具设计任务调度研究[J]. 模具工业 2015(09)
    • [26].基于云计算的电力任务调度优化策略研究[J]. 电测与仪表 2020(13)
    • [27].一种并行测试任务调度优化方法[J]. 兵工学报 2018(02)
    • [28].基于均衡任务调度的网络工程实训管理系统优化设计[J]. 现代电子技术 2017(12)
    • [29].多差异嵌入式设备的节能任务调度模型仿真[J]. 计算机仿真 2015(03)
    • [30].面向区域目标的测绘卫星任务调度方法[J]. 科学技术与工程 2012(28)

    标签:;  ;  ;  ;  

    基于温度模糊控制的多核处理器任务调度研究
    下载Doc文档

    猜你喜欢