本文關(guān)鍵詞：基于三維NoC的MPSoC溫度預(yù)測與任務(wù)分配研究

  更多相關(guān)文章： 多處理器片上系統(tǒng) 三維片上網(wǎng)絡(luò) 散熱問題 溫度預(yù)測 溫度信息共享策略 靜態(tài)任務(wù)分配

【摘要】：隨著集成電路技術(shù)的發(fā)展,多處理器片上系統(tǒng)已經(jīng)成為了下一代單芯片處理器的主要設(shè)計(jì)形式。由于傳統(tǒng)全局互連方式(總線互連)阻礙了系統(tǒng)性能的提升和規(guī)模的擴(kuò)展,基于三維片上網(wǎng)絡(luò)的多處理器片上系統(tǒng)將成為多處理器片上系統(tǒng)今后主要的研究方向,該設(shè)計(jì)可以提供更大的互連帶寬,更低的網(wǎng)絡(luò)能耗和更高的晶體管密度以實(shí)現(xiàn)更高的性能。然而,較大的晶體管密度及不斷提高的處理器工作頻率使得多處理器片上系統(tǒng)中處理器過熱,形成了不可避免的散熱問題,這成為阻礙多處理器片上系統(tǒng)性能提高的關(guān)鍵問題之一。論文針對基于三維片上網(wǎng)絡(luò)的多處理器片上系統(tǒng)散熱問題,從溫度預(yù)測與任務(wù)分配方面展開深入的研究,重點(diǎn)解決溫度預(yù)測中預(yù)測準(zhǔn)確度的優(yōu)化與預(yù)測時(shí)長的拓寬、溫度信息共享策略的信息延遲優(yōu)化和靜態(tài)任務(wù)分配中峰值溫度和熱量分布均衡的優(yōu)化這三個(gè)關(guān)鍵問題。論文首先從分析溫度變化過程中的非線性特點(diǎn)出發(fā),以RC熱傳導(dǎo)(Thermal Resistance and Capacitance, Thermal R C)模型為基礎(chǔ),結(jié)合二階導(dǎo)數(shù)提出了一種溫度預(yù)測模型。該模型不僅可以在較低的運(yùn)算復(fù)雜度下準(zhǔn)確預(yù)測溫度,而且能在固定的預(yù)測誤差率范圍內(nèi)拓寬預(yù)測時(shí)間長度。實(shí)驗(yàn)結(jié)果表明,相比現(xiàn)有的一次導(dǎo)數(shù)預(yù)測模型,在相同可接受誤差率范圍內(nèi),該模型能將預(yù)測時(shí)長拓寬至對比模型的1.6倍。同時(shí),當(dāng)預(yù)測時(shí)長拓展至2.5s時(shí),該模型的預(yù)測準(zhǔn)確率比對比模型高3.84%。針對基于多播傳輸?shù)臏囟刃畔⒐蚕聿呗缘难芯?提出了一種平衡分區(qū)多播傳輸方法,該方法可以權(quán)衡啟動(dòng)延遲和網(wǎng)絡(luò)延遲這兩個(gè)延遲性能參數(shù)動(dòng)態(tài)地選擇當(dāng)前網(wǎng)絡(luò)的最優(yōu)分區(qū)個(gè)數(shù),并根據(jù)源節(jié)點(diǎn)在網(wǎng)絡(luò)中的位置劃分最優(yōu)的分區(qū)結(jié)構(gòu),在完成分區(qū)的基礎(chǔ)上對各個(gè)子分區(qū)中的信息進(jìn)行路由傳輸,從而盡可能地減小多播傳輸?shù)目傃舆t。實(shí)驗(yàn)結(jié)果表明,在相同網(wǎng)絡(luò)配置條件下,相比于現(xiàn)有的遞歸分區(qū)多播傳輸方法,本方法最大能減少16.4%的延遲。當(dāng)傳輸數(shù)據(jù)包長度為1 flit,5 flits和15 flits時(shí),在三種拓?fù)浣Y(jié)構(gòu)(4×4×3,8×8×3和16×16×3)中,本方法最大分別能減少與之對比的遞歸分區(qū)多播傳輸方法2.4%,4.1%和18.3%的延遲。針對靜態(tài)任務(wù)分配研究,綜合三維片上網(wǎng)絡(luò)架構(gòu)中不同水平層的散熱能力差異以及垂直方向上處理器核之間的熱特性,提出一種可以均衡區(qū)域溫度的任務(wù)集映射分配(Task Set Allocation, TSA)方案,并以減小峰值溫度為目標(biāo)在該分配方案的基礎(chǔ)上做了改進(jìn),改進(jìn)后的基于頂層功率排序的任務(wù)集分配(Task Set Allocation based on Top Power, TP-TSA)方案可以降低處理器核的峰值溫度,減小熱點(diǎn)產(chǎn)生的幾率。實(shí)驗(yàn)結(jié)果表明,相比于現(xiàn)有的Adapt3D方案,本文的TP-TSA方案平均可以將分配后熱點(diǎn)出現(xiàn)的幾率減少37.43%,并同時(shí)提高30.44%的吞吐量,在三種拓?fù)浣Y(jié)構(gòu)(2×2×2,2×2×3和2×2×4)中,熱點(diǎn)減小的幾率和吞吐量最大可以分別提高47.88%,46.35%。
【關(guān)鍵詞】：多處理器片上系統(tǒng) 三維片上網(wǎng)絡(luò) 散熱問題 溫度預(yù)測 溫度信息共享策略 靜態(tài)任務(wù)分配
【學(xué)位授予單位】：揚(yáng)州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN47
【目錄】：

• 摘要4-6
• Abstract6-13
• 第一章 緒論13-22
• 1.1 片上網(wǎng)絡(luò)發(fā)展概況13-15
• 1.1.1 片上系統(tǒng)及其發(fā)展13
• 1.1.2 片上網(wǎng)絡(luò)簡介13-14
• 1.1.3 片上網(wǎng)絡(luò)的優(yōu)勢及其發(fā)展趨勢14-15
• 1.2 三維片上網(wǎng)絡(luò)及其關(guān)鍵問題15-17
• 1.2.1 三維片上網(wǎng)絡(luò)15-16
• 1.2.2 三維片上網(wǎng)絡(luò)的關(guān)鍵問題16-17
• 1.3 散熱問題的國內(nèi)外研究現(xiàn)狀17-20
• 1.3.1 基于結(jié)構(gòu)方面的研究17-18
• 1.3.2 基于軟件方法的研究18
• 1.3.3 片上網(wǎng)絡(luò)散熱機(jī)制設(shè)計(jì)框架18-20
• 1.4 論文的研究內(nèi)容20
• 1.5 論文結(jié)構(gòu)安排20-22
• 第二章 三維片上網(wǎng)絡(luò)散熱研究路線22-38
• 2.1 溫度預(yù)測研究22-27
• 2.1.1 溫度預(yù)測研究現(xiàn)狀22-24
• 2.1.1.1 軟件方法22-23
• 2.1.1.2 硬件方法23-24
• 2.1.2 結(jié)合二次導(dǎo)數(shù)的溫度預(yù)測模型24-27
• 2.1.2.1 基于熱傳導(dǎo)模型的溫度預(yù)測模型24-25
• 2.1.2.2 預(yù)測時(shí)長拓展的可行性分析25-27
• 2.2 溫度信息共享策略研究27-33
• 2.2.1 多播傳輸研究現(xiàn)狀27-28
• 2.2.1.1 基于樹形的多播傳輸27-28
• 2.2.1.2 基于路徑的多播傳輸28
• 2.2.2 平衡分區(qū)多播傳輸方法28-33
• 2.2.2.1 多播傳輸分區(qū)方法概述29-32
• 2.2.2.2 傳輸延遲優(yōu)化可行性分析32-33
• 2.3 靜態(tài)任務(wù)分配研究33-37
• 2.3.1 靜態(tài)任務(wù)分配研究現(xiàn)狀34
• 2.3.1.1 離線算法34
• 2.3.1.2 在線算法34
• 2.3.2 基于任務(wù)集映射的任務(wù)分配方案34-37
• 2.3.2.1 最冷優(yōu)先分配策略34-35
• 2.3.2.2 熱量與峰值溫度均衡可行性分析35-37
• 2.4 本章小結(jié)37-38
• 第三章 結(jié)合二次導(dǎo)數(shù)的溫度預(yù)測38-47
• 3.1 溫度預(yù)測研究現(xiàn)狀分析38-39
• 3.2 結(jié)合二次導(dǎo)數(shù)的溫度預(yù)測機(jī)制39-42
• 3.2.1 預(yù)測模型39-41
• 3.2.2 硬件實(shí)現(xiàn)41-42
• 3.3 實(shí)驗(yàn)結(jié)果分析42-46
• 3.3.1 實(shí)驗(yàn)環(huán)境42-43
• 3.3.2 預(yù)測窗口長度43-45
• 3.3.3 預(yù)測準(zhǔn)確度45-46
• 3.4 本章小結(jié)46-47
• 第四章 基于平衡分區(qū)多播傳輸?shù)臏囟刃畔⒐蚕聿呗?/span>47-64
• 4.1 信息共享策略研究現(xiàn)狀分析47-48
• 4.2 平衡分區(qū)多播傳輸方法48-60
• 4.2.1 標(biāo)簽分配48-51
• 4.2.2 平衡分區(qū)方法51-60
• 4.2.2.1 二分區(qū)法(TBP)51-53
• 4.2.2.2 分區(qū)個(gè)數(shù)判定方法53-55
• 4.2.2.3 子分區(qū)劃分初始化55-56
• 4.2.2.4 最優(yōu)列數(shù)判定方法56-58
• 4.2.2.5 平衡分區(qū)流程58-60
• 4.2.3 基于平衡分區(qū)的路由算法60
• 4.3 實(shí)驗(yàn)結(jié)果分析60-63
• 4.3.1 實(shí)驗(yàn)環(huán)境60-61
• 4.3.2 全局溫度信息共享效率61-62
• 4.3.3 不同負(fù)載下的延遲性能比較62-63
• 4.4 本章小結(jié)63-64
• 第五章 基于任務(wù)集映射的靜態(tài)任務(wù)分配64-74
• 5.1 靜態(tài)任務(wù)分配研究現(xiàn)狀分析64-65
• 5.2 靜態(tài)任務(wù)分配方案65-71
• 5.2.1 任務(wù)集映射分配法(TSA)65-69
• 5.2.2 基于頂層功率排序的任務(wù)集分配改進(jìn)算法(TP-TSA)69-71
• 5.3 實(shí)驗(yàn)結(jié)果分析71-73
• 5.3.1 實(shí)驗(yàn)環(huán)境71
• 5.3.2 TP-TSA方案與TSA方案性能比較71-72
• 5.3.3 TP-TSA方案與Adapt3D方案性能比較72-73
• 5.4 本章小結(jié)73-74
• 第六章 總結(jié)與展望74-76
• 6.1 論文總結(jié)74
• 6.2 研究展望74-76
• 參考文獻(xiàn)76-81
• 致謝81-82
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄82-83

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 繆小平,曾福添,劉奎;基于神經(jīng)網(wǎng)絡(luò)的溫度預(yù)測[J];工業(yè)安全與環(huán)保;2002年02期

2 趙勇;伍先達(dá);;基于BP網(wǎng)絡(luò)的溫度預(yù)測在高壓氣密性檢測中的應(yīng)用[J];自動(dòng)化與儀器儀表;2009年05期

3 徐凌宇;方曉君;徐仁杰;沈立煒;;基于時(shí)序挖掘的時(shí)間融合算法及在海表面溫度預(yù)測中的應(yīng)用[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

4 肖樂;白莉媛;祝玉華;;基于RBF神經(jīng)網(wǎng)絡(luò)的糧庫溫度預(yù)測[J];微計(jì)算機(jī)信息;2007年13期

5 陳立平;徐汀榮;;基于BP神經(jīng)網(wǎng)絡(luò)模型的溫度預(yù)測方法[J];沙洲職業(yè)工學(xué)院學(xué)報(bào);2006年03期

6 李會(huì)兵;;基于BP神經(jīng)網(wǎng)絡(luò)的溫度預(yù)測方法[J];電子測試;2013年19期

7 ;[J];;年期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 李沁笛;趙彬;;基于相似理論的高大空間工作區(qū)平均速度溫度預(yù)測[A];全國暖通空調(diào)制冷2010年學(xué)術(shù)年會(huì)論文集[C];2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 劉鑫達(dá);基于深度學(xué)習(xí)的氣象溫度預(yù)測研究[D];寧夏大學(xué);2016年

2 魏琳;基于三維NoC的MPSoC溫度預(yù)測與任務(wù)分配研究[D];揚(yáng)州大學(xué);2016年

3 尹彬;高溫礦井風(fēng)流溫度預(yù)測分析及應(yīng)用[D];遼寧工程技術(shù)大學(xué);2012年

4 潘亮;基于嵌入式系統(tǒng)的機(jī)場跑道溫度預(yù)測系統(tǒng)的研究與開發(fā)[D];大連海事大學(xué);2013年

5 高杏梅;煤礦井下設(shè)備溫度預(yù)測及預(yù)警系統(tǒng)研究[D];西安科技大學(xué);2014年

，

本文編號：552815