【摘要】：針對現(xiàn)有以無線傳感器網(wǎng)絡(luò)為代表的環(huán)境嵌入式系統(tǒng)的功耗管理方法不能很好地兼顧系統(tǒng)性能和穩(wěn)定持久工作的問題,提出了一種能量驅(qū)動的多時段動態(tài)功耗管理方法。該方法綜合考慮系統(tǒng)當(dāng)前及未來N個時段的可用能量,并引入能量預(yù)測最大誤差指數(shù),實時地決定系統(tǒng)下一時段的工作狀態(tài),在滿足能量約束的前提下最大化系統(tǒng)性能。通過實驗?zāi)M了太陽能供電環(huán)境嵌入式系統(tǒng)在不同天氣下的工作情況,結(jié)果表明:使用該動態(tài)功耗管理方法的環(huán)境嵌入式系統(tǒng)的采集能量利用率達(dá)到99.79%,并且在不同天氣下均能持續(xù)工作,即該方法實現(xiàn)了系統(tǒng)性能和工作穩(wěn)定性的同時優(yōu)化。
【圖文】：

（ｉ）－Ｅｃ（ｉ，ｋ）］（１）式中：γ為能量存儲單元的漏電系數(shù)。該模型的最后一個約束條件要求第ｉ個時段后能量存儲單元的剩余能量能夠維持應(yīng)用處理模塊在第ｉ＋１個時段的最基本狀態(tài)。該管理模型實例化后是一個幾何規(guī)劃求解問題。幾何規(guī)劃是凸優(yōu)化問題，可以保證全局最優(yōu)解。問題的解ｋ（ｉ）決定了應(yīng)用處理模塊在第ｉ個時段的工作狀態(tài)。在太陽能充足的情況下，應(yīng)用處理模塊可以保持全天高速運行，但是在如下２種情況下，單時段法可能導(dǎo)致系統(tǒng)停止工作。圖２采集太陽能真實值與預(yù)測值的對比第一，太陽能連續(xù)多個時段采集不足的情況。例如在多云天氣，或者太陽能采集裝置被樹蔭短期遮擋，此時由于應(yīng)用處理模塊在能量充足時全速工作，存儲單元沒有預(yù)留足夠多的能量，所以當(dāng)突然遭遇上述情況時，優(yōu)化問題可能出現(xiàn)無解的情況，系統(tǒng)將長時間停止工作。第二，能量的預(yù)測值連續(xù)多個時段高于實際采集到的太陽能。文獻(xiàn)［１２］采用基于神經(jīng)網(wǎng)絡(luò)的太陽能預(yù)測算法，預(yù)測精度為±５％。如圖２所示，由于存在預(yù)測誤差，代表能量預(yù)測值的虛線在代表實際采集能量的實線上下浮動。當(dāng)能量預(yù)測值高于實際采集能量值時，應(yīng)用處理模塊在ｉ時段的功耗將高于ｉ時段采集的能量，如果這種情況連續(xù)多個時段出現(xiàn)，存儲單元的能量將被快速消耗，導(dǎo)致應(yīng)用單元停止工作。針對這些問題，本文設(shè)計了一種基于能量的多時段功耗動態(tài)管理方法，在保持系統(tǒng)性能的同時可避免采集能量長期不足和預(yù)測誤差帶來的影響。３多時段動態(tài)功耗管理方法與單時段法不同，多時段法在第ｉ－１個時段決定系統(tǒng)第ｉ個時段的工作狀態(tài)時，考慮后續(xù)Ｎ（時段ｉ到時段ｉ＋Ｎ－１

集的能量可能大于實際消耗的能量，多出的能量存儲在能量存儲單元，在下一個時段將被利用，因此，本文方法在避免由于預(yù)測誤差引起系統(tǒng)停止工作的同時充分利用了能量。綜上所述，本文提出的多時段法可以解決單時段法存在的問題。下面將通過仿真實驗對本文的多時段動態(tài)功耗管理方法進(jìn)行評估。４仿真實驗及結(jié)果分析為驗證以上理論分析結(jié)果，根據(jù)真實的太陽能采集值，利用ＭＡＴＬＡＢ進(jìn)行仿真對比實驗，對本文方法進(jìn)行分析和評估。隨機(jī)選取美國橡樹嶺國家實驗室網(wǎng)站７天的太陽能采集數(shù)據(jù)［１３］（見圖３）作為實驗使用的太陽能采集值。太陽能采集從０８：００開始至１６：００結(jié)束，每分鐘采集１次，１天共采集４８１次。太陽能數(shù)據(jù)范圍為０～２８１．２５Ｗ／ｍ２，并根據(jù)實驗需要按比例縮校另外，應(yīng)用處理模塊采用文獻(xiàn)［１２］中的多核并行架構(gòu)，包含９４個處理單元，每個處理單元執(zhí)行點積運算，向量長度為１０２４。在能量充足的情況下，９４個處理單元可以同時工作，每個單元在一個時段內(nèi)最多完成１０２４次點積。因此，，系統(tǒng)同一時間內(nèi)最多完成９６２５６次點積，此值即為Ｋｍａｘ。另外，要求系統(tǒng)至少有１個處理單元工作，因此Ｋｍｉｎ＝１０２４�？刂茊卧ㄟ^調(diào)整同時工作的處理核的數(shù)量和處理速度來控制系統(tǒng)的運算量及功耗，任務(wù)執(zhí)行一次即完成一次點積運算。其他仿真實驗參數(shù)如下：Ｎ＝１０；α＝５％；Ｋｍａｘ＝９６２５６；Ｋｍｉｎ＝１０２４；ＥＤ＝０．０２７５；γ＝１．７５×１０－４；時段長度為１ｍｉｎ。由于采用基于神經(jīng)網(wǎng)絡(luò)的太陽能預(yù)測算法［１２］，本實驗選

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 王力生;康珊;;嵌入式系統(tǒng)的動態(tài)功耗管理結(jié)構(gòu)[J];計算機(jī)技術(shù)與發(fā)展;2008年08期

2 迎九;;Actel:ProASIC3L動態(tài)功耗降40%[J];電子產(chǎn)品世界;2008年03期

3 黃少珉;戚隆寧;胡晨;;基于軟件測量與控制的動態(tài)功耗管理預(yù)測策略[J];儀器儀表學(xué)報;2006年S1期

4 黃智瀕;祝明發(fā);肖利民;;一種全系統(tǒng)模擬器片上緩存動態(tài)功耗分析工具[J];上海交通大學(xué)學(xué)報;2013年01期

5 劉毅;楊銀堂;王乃迪;;采用相鄰耦合動態(tài)功耗優(yōu)化的低功耗布線方法[J];西安電子科技大學(xué)學(xué)報;2007年05期

6 戚隆寧;張哲;胡晨;卜愛國;;基于MSR模型的動態(tài)功耗管理策略[J];電路與系統(tǒng)學(xué)報;2006年05期

7 戚隆寧;張哲;黃少珉;;多任務(wù)下I/O設(shè)備的動態(tài)功耗管理[J];中國工程科學(xué);2008年02期

8 叢秋波;;65nm嵌入式快閃平臺降低動態(tài)功耗65%[J];電子設(shè)計技術(shù);2011年02期

9 ;[J];;年期

相關(guān)會議論文 前1條

1 李曉春;毛軍發(fā);尹文言;;耦合多導(dǎo)體傳輸線的動態(tài)功耗模型[A];2007年全國微波毫米波會議論文集（下冊）[C];2007年

相關(guān)碩士學(xué)位論文 前1條

1 王艷歡;嵌入式系統(tǒng)中動態(tài)功耗管理的設(shè)計[D];中南民族大學(xué);2010年

本文編號：2605866