УДК 004.051 Э Д.А. Хвостов ,К.А. Пантюхина ,С.А. Чепинский

advertisement
УДК 004.051
ЭНЕРГОЭФФЕКТИВНАЯ ОБРАБОТКА ДАННЫХ В АВТОНОМНЫХ СИСТЕМАХ
Д.А. Хвостов ,К.А. Пантюхина ,С.А. Чепинский
Национальный Исследовательский Университет Информационных Технологий Механики и
Оптики, Санкт-Петербург
E-mail: [email protected]
Ключевые слова: Энергоэффективность, оптимизация, автономные системы, обработка
информации, модернизация
Аннотация.
В
работе
решается
задача
снижения
энергопотребления
микроконтроллерных и микропроцессорных автономных систем путем оптимизации
программного обеспечения. Результаты работы представлены в виде сравнительных
гистограмм времени работы автономных систем с использованием разных алгоритмов
обработки данных.
Предисловие
Одним из узких мест при проектировании автономных систем является соотношение
производительности и времени функционирования. Компромисс между вышеназванными
параметрами достигается программным и аппаратным путями. Рассмотрение данной проблемы
на физическом уровне выходит за рамки статьи и осуществляется путем подбора или
разработки подходящего оборудования с учетом критериев EEMBC (Embedded Microprocessor
Benchmark Consortium). Гораздо более гибким способом достижения длительного времени
автономной работы без потерь в производительности является оптимизация программного
обеспечения MCU (microcontroller unit), которая в отличии от аппаратного подхода позволяет
повышать эффективность существующих систем без проведения за частую дорогостоящей
модернизации.
Введение
Рассмотрим основные режимы функционирования MCU и их влияние на время
автономной работы:

Режим ожидания – большинство задач предполагают нахождение
микроконтроллера в состоянии пониженного потребления энергии до определенного
внешнего события, после которого происходит «пробуждение» CPU, обработка данных и
коммуникация с остальными компонентами системы. В данном режиме используется
наибольшая часть всей потребляемой энергии;

Запись данных – большинство приложений для микроконтроллеров ведут
запись данных в энергонезависимую память для последующей обработки и/или передачи. В
зависимости от количества обращений к памяти и их частоте этот процесс может серьезно
уменьшить время работы системы;

Работа с периферией – при измерении аналоговых сигналов реального времени
работа с периферией может оказывать существенное влияние на энергопотребление
устройства;

Активный режим – критический для времени автономной работы режим, в
котором CPU производит активные вычисления;
Общее потребление = Потреблениеактивное + Потреблениеожидания
Путем оптимизации программного обеспечения возможно уменьшение времени работы с
периферией, записи данных и нахождения MCU в активном режиме.
1
Оптимизация вычислений в активном режиме
Фазы перехода и уровень потребления в активном режиме и режиме сна представленные
на графике ниже свидетельствуют о критическом влиянии активного режима и частоты
переходов между режимами на время автономной работы.
Рисунок 1 – распределение энергии в разных режимах работы MCU
Очевидно, что для уменьшения суммарного потребления необходимо сократить
нахождение системы в активном режиме, а так же количество переходов из режима сна
сохранив при этом прежний уровень производительности. При решении этой задачи
целесообразно использование теории приближенных вычислений, а именно оптимизированных
алгоритмов нечеткой логики.
Для сравнения эффективности разных типов алгоритмов обработки данных выберем
конкретную задачу - перемещение мобильного робота с перевернутым маятником в заданную
точку. За основу тестовой платформы выбран микроконтроллер подсемейства KL25 от
Freescale Semiconductor и источник питания типа CR 2032.
Ключевые характеристики тестового стенда:
 Емкость источника питания 220mAh;
 Рабочее напряжение 3V;
 Максимальный потребляемый ток 7.8mA;
 Минимальный потребляемый ток 496μА;
Рассмотрим несколько подходов к решению данной задачи1:
 Точные вычисления;
 Алгоритмы нечеткой логики;
 Оптимизированные приближенные вычисления;
Для решения задачи о доставке маятника в заданную координату за входные параметры
системы примем:
 Угол наклона маятника;
 Скорость изменения угла наклона маятника;
 Расстояние от центра тележки до цели;
 Скорость тележки;
Под точными вычислениями будем понимать использование расчетных формул для определения
необходимой скорости перемещения робота.
При использовании алгоритмов нечеткой логики задействован контроллер типа Сугэно и нечеткий вывод
методом взвешенного среднего.
1
2
Проведем сравнительное тестирование выбранных алгоритмов обработки данных2:
t [µс]
Рисунок 1 – Графики времени требуемого для расчета скорости
Исходя из графика можно сделать вывод о нецелесообразности применения нечеткой
логики без оптимизации для оценки хорошо формализуемых параметров. Для создания
подходящих алгоритмов и значительного упрощения вычислительной задачи необходимо
отказаться от использования громоздких баз правил, а так же сократить количество процедур
нечеткого вывода и ветвления. Решение такого рода задачи путем введения многомерных
функций принадлежности, способных заменять процедуру нечеткого вывода и ветвления
позволяет нам добиться более чем десятикратного увеличения производительности системы.
Приведем графики времени автономной работы3:
Рисунок 2 – Графики времени автономной работы
Оптимизация работы с периферией и данными
Работа с такой периферией как источники аналоговых сигналов существенно
увеличивает суммарное потребление системы, так же как и частые обращения к памяти.
Данные получены путем применения эквивалентных расчетных формул для каждого из случаев
Расчеты времени автономной работы произведены исходя из средней потребляемой мощности
устройства
2
3
3
t [дней]
При применении описанного выше подхода возможен синтез адаптивных систем
прогнозирования, позволяющих оценивать текущее состояние измеряемой величины и
производить измерения аналоговых сигналов только в определенные дискретные моменты
времени для корректировки параметров модели, используя в остальные моменты времени
величину оценки сигнала.
Система построенная на оптимизированных уравнения нечеткой логики включает в
себя на порядок меньшее количество уравнений для описания текущих процессов, что
позволяет нам существенно сократить обращение к энергонезависимой памяти в процессе
работы системы.
Благодаря увеличению общей скорости работы с данными становится возможным
перенесение большей части процесса обработки потока информации на конечную
автономную систему, исключая пункт управления. Таким образом происходит
значительное сокращение передаваемых по радиоканалу данных и вследствие уменьшение
потребления.
Заключение
Полученные в ходе работы результаты показывают, что использование последних
достижений в области интеллектуальных систем обработки данных и управления позволяет
проектировать следующее поколение автономных систем имеющих на порядок большие
производительность и время работы.
Обобщение результатов дает право сделать вывод о преимуществах новой теории среди
систем, основывающихся на классическом подходе:
 Упрощение и ускорение процесса обработки потоковой информации;
 Сокращение базы данных;
 Возможность более точного и представления параметров и плавность
перехода их значений при меньших вычислительных затратах;
 Возможность адаптивного управления;
 Сохранение взаимосвязи естественного языка и массивов численных
данных с прочими улучшенными параметрами;
Эти преимущества доказывают, что применения мягких вычислений в задачах
проектирования дает наиболее эффективные результаты.
4
ЛИТЕРАТУРА
Заде Л. Понятие лингвистической переменной и ее применение к
принятию приближенных решений : – М.: Мир, 1976.
2. S.N. Sivanandam Introduction to Fuzzy Logic using MATLAB – Berlin:
Springer, 2007.
3. Рассел С., Норвиг П. Искусственный интеллект– Villains: Springer, 2007.
4. F. Preparata ,M. Sheimos Calculational Geometry–Springer-Verlag, 1985.
5. Круглов В.В., Дли М.И. Интеллектуальные информационные системы:
компьютерная поддержка систем нечеткой логики и нечеткого вывода. – М.:
Физматлит, 2002.
6. M. Salas Choosing the optimal low power MCU - Silicon Laboratories Inc.
white paper, 2004.
7. Mike Mitchell Choosing an ultralow-power MCU - Application Report
SLAA207, 2004.
8. J. Borgeson, S. Schauer, H. Diewald Benchmarking MCU power consumption
for ultra-low-power applications - Texas Instruments white paper, 2012.
9.
Пантюхина К.А., Хвостов Д.А., Чепинский С.А. Обратная N-мерная
нечеткая логика. Материалы конференции «Информационные технологии в
управлении» (ИТУ-2012). - СПб.: ОАО «Концерн «ЦНИИ «Электроприбор», 2012. с.
896-903.
1.
5
Скачать