Математическое и программное обеспечение для разработки специализированных вычислительных систем мобильных тренажеров icon

Математическое и программное обеспечение для разработки специализированных вычислительных систем мобильных тренажеров



Смотрите также:
Принципы и решения по совершенствованию эффективности функционирования операционных систем и...
Математическое и программное обеспечение пофонемного распознавания казахской речи на основе...
Математическое и программное обеспечение распознавания многоэлементных зрительных сцен с...
Разработка методов звукового распознавания слов на основе их морфологического анализа и синтеза...
3. Языки и системы программирования. Технологий разработки программного обеспечения...
Методы программирования систем технического зрения реального времени 05. 13...
Рабочая программа по дисциплине Архитектура вычислительных систем Для специальности...
Алгоритмы и программные средства поиска векторов похожести для сжатия видеоданных...
Автореферат диссертации на соискание ученой степени...
Аспирантские программы : «Математическое и программное обеспечение вычислительных машин...
Исследование и разработка алгоритмов параллельного дедуктивного вывода на графовых структурах...
Исследование и разработка алгоритмов обобщения на основе теории приближенных множеств...



скачать



На правах рукописи




Левшин Сергей Афанасьевич




МАТЕМАТИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ РАЗРАБОТКИ СПЕЦИАЛИЗИРОВАННЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ МОБИЛЬНЫХ ТРЕНАЖЕРОВ


Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ


АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата технических наук


Новочеркасск - 2009

Работа выполнена на кафедре «Программное обеспечение вычислительной техники» ГОУ ВПО «Южно-Российский государственный технический университет» (Новочеркасский политехнический институт)»


Научный руководитель кандидат технических наук, доцент

Гринченков Дмитрий Валерьевич

Официальные оппоненты доктор технических наук, профессор

Маликов Андрей Валерьевич


кандидат технических наук,

Балакин Александр Владимирович


Ведущая организация: Военная академия связи (г. Санкт-Петербург)


Защита диссертации состоится «26» июня 2009 г. в 13 часов на заседании диссертационного совета Д 212.304.02 при ГОУ ВПО «Южно-Российский государственный технический университет (Новочеркасский политехнический институт)» по адресу: 346428, г. Новочеркасск, Ростовской обл., ул. Просвещения, 132, (гл. корпус, ауд. 107)


С диссертацией можно ознакомиться в научно-технической библиотеке «Южно-Российского государственного технического университета (Новочеркасского политехнического института)». С текстом автореферата можно ознакомиться на сайте ЮРГТУ (НПИ) www.npi-tu.ru


Автореферат разослан «21» мая 2009 г.


Ученый секретарь диссертационного совета

канд. тех. наук, профессор Иванченко А.Н.


^ ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ


Актуальность темы. Возрастающая сложность технических объектов, управляемых операторами, большой объем обрабатываемой информации, рост психологических нагрузок, сбои в работе оборудования определяют актуальность задачи разработки и эксплуатации средств подготовки операторов. До последнего времени тренажерная техника активно развивалась только в крупных учебных центрах (УЦ), оснащенных тренажерами базовой подготовки, в основу которых были положены принципы обеспечения адекватности моделирования объекта, возможности расширения функций тренажеров при модернизации штатных объектов управления, использование недорогой вычислительной техники. В тренажерах штатное оборудование, как правило, заменяется программно-управляемыми имитаторами. Средства, обеспечивающие информационное поле рабочего места обучаемого с индикаторами приборной среды, имитацию внешней визуальной обстановки и моделирование логики работы объекта, образуют программно-аппаратный комплекс (ПАК) тренажера.

Ядром современного ПАК является специализированная вычислительная система (ВС), в которой функциональные возможности определяются используемыми аппаратными и программными средствами. В тренажере специализированная ВС объединяет средства сопряжения с имитаторами, сбора и обработки информации с датчиков положения органов управления, а также обеспечивает решение заранее определенного набора функциональных задач. В настоящее время наиболее проработана кластерная архитектура ВС, на базе офисных ПЭВМ, как правило, применяемая в тренажерах базовой подготовки.

В последнее время все более широкое распространение получил класс мобильных тренажеров, используемых в местах базирования реальных объектов управления и обеспечивающих поддержание навыков операторов. Тренажеры данного класса сохраняют функциональные возможности тренажеров базовой подготовки в части состава моделей и адекватности моделирования объекта, обеспечения тренировки оператора, работы инструктора. При этом мобильные тренажеры должны иметь возможность: многократного перемещения; быстрого развертывания даже в недостаточно подготовленных для этого условиях; обладать высокой надежностью при эксплуатации в жестких климатических условиях. Перечисленные требования к мобильным тренажерам ставят задачу поиска иного технического решения построения ПАК. Одним из вариантов реализации может быть специализированная ВС на базе SMP-архитектуры (Symmetrical Multi Processor systems –системы с равноправным доступом процессорных блоков (ПБ) к общей оперативной памяти (ОП)), которая позволяет строить многопроцессорные ВС с гарантированной доставкой управляющих команд, а за счет выбора соответствующих аппаратных средств, удовлетворяющих требованиям построения мобильных тренажеров, обеспечить надежную работу ПАК. Несмотря на отмеченные преимущества, указанная архитектура в настоящее время находит ограниченное применение в тренажеростроении. Причиной этому является необходимость обеспечения жесткой аппаратной связи между вычислительными модулями и устройствами сопряжения с объектом (УСО), что часто приводит при модернизации изделия к расширению аппаратной части ВС и доработке ПС и, соответственно, повышению стоимости тренажера в целом. Этим объясняется то, что подход к построению многопроцессорных специализированных ВС на базе SMP-структур как основы ПАК тренажерных средств (ТС) в настоящее время проработан недостаточно.

Поэтому в связи с расширением области использования мобильных тренажеров и активным их внедрением в процесс подготовки операторов, актуальной становится задача разработки общих принципов построения специализированной ВС с SMP-архитектурой на базе математических моделей с последующей их программной реализацией.

Диссертация выполнялась в рамках федеральной целевой программы «Интеграция науки и высшего образования России на 2002-2006 г.», утвержденной постановлением Правительства РФ № 660 от 5.09.01, в соответствии с научным направлением Южно-Российского государственного технического университета (НПИ), раздел «Проблемы автоматизации обработки информации в тренажно-обучающих информационных и управляющих комплексах» по теме 7.05 «Разработка теоретических основ проектирования корпоративных информационных систем» (утвержденного решениями ученого совета от 25.04.2001 и 1.03.2006). Разработанные программные средства и методические материалы использовались в учебном процессе при проведении лабораторных работ по курсу «Архитектура вычислительных систем и компьютерных сетей» для студентов специальностей 010503 (351500) и 230105 (220400) в ЮРГТУ (НПИ).

^ Цель диссертационной работы заключается в разработке математических моделей специализированной ВС с SMP-архитектурой, а также инструментального комплекса программ, позволяющего принимать наиболее рациональные технические решения на этапе эскизного и технического проектирования ПАК ТС.

Поставленная цель потребовала решения следующих задач исследования:

  • провести систематизацию функций тренажерных средств;

  • определить особенности и проблемы, возникающие при построении ПАК мобильных тренажеров, и провести их критический анализ;

  • выбрать и сформулировать критерии эффективности проектируемого ПАК мобильного тренажера;

  • разработать имитационные модели возможных вариантов построения специализированных ВС мобильного тренажера с SMP-архитектурой;

  • исследовать временные характеристики информационных потоков на системной шине (СШ) специализированной ВС с SMP-архитектурой ТС;

  • разработать аналитические модели возможных вариантов построения специализированной ВС мобильного тренажера с SMP-архитектурой;

  • разработать инструментальный комплекс программ, который позволяет решать задачу выбора рациональных вариантов SMP-структур для мобильных тренажеров на этапе их проектирования.

^ Методы исследования. В диссертационной работе используется аппарат теории вероятностей, математической статистики, теории массового обслуживания, а также другие методы математического моделирования.

^ Научная новизна работы заключается:

  • в построении новых математических (аналитических и имитационных) моделей SMP-структур, защищенных авторскими свидетельствами, учитывающих время подключения источника заявки к обслуживающему устройству с дополнительной функцией в виде предобслуживания заявок;

  • в разработке программных средств, реализующих проверку технических решений, принимаемых в процессе разработки ПАК ТС на базе SMP-архитектуры.

^ Практическая ценность работы заключается в следующем:

  • разработаны структуры ряда специализированных ВС с SMP-архитектурой, позволяющие уменьшать время на выбор арбитром СШ из очереди на обслуживание ПБ в соответствии с заложенным алгоритмом (арбитраж СШ);

  • разработаны математические (аналитические и имитационные) модели SMP-структур с учетом времени подключения источника заявки к обслуживающему устройству и предобслуживанием заявок, позволяющие более корректно описывать процесс информационного обмена;

  • разработаны инструментальные программные средства, позволяющие выполнять проверку технических решений на этапах эскизного и технического проектирования.

^ Апробация работы. Основные положения и результаты работы докладывались и обсуждались на: II международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах» Новочеркасск, 2001; отчетной конференции-выставке подпрограммы 205 «Транспорт». Научно-технической программы Минобразования РФ «Научные исследования высшей школы по приоритетным направлениям науки и техники», Москва-Звенигород 2002г; научно-технической конференции «Тренажерные технологии и симуляторы -2002» Санкт-Петербург, 2002; V международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах» Новочеркасск, 2004; VII международной научно-практической конференции «Моделирование, теория, методы и средства» Новочеркасск, 2007.

Публикации. По теме диссертации опубликовано 15 печатных работ, в том числе 3 авторских свидетельства на изобретение, 4 статьи, 8 тезисов докладов на международных и всероссийских научно-технических конференциях.

^ Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы из 107 наименований и четырех приложений. Работа изложена на 241 страницах, содержит 93 рисунка и 26 таблиц.


^ ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ


Во введении обоснована актуальность темы, изложены цели, задачи, научная новизна и практическая ценность диссертационной работы.

^ В главе 1 «Анализ проблемы разработки вычислительных систем на базе SMP-архитектуры и постановка задачи их математического моделирования» проведена классификация задач проектирования тренажерных средств и рассмотрены проблемы их реализации в мобильных тренажерах. На основе существующих классификаций выделены общие особенности, характерные для всех ТС на стадии их проектирования, определены основные задачи, представленные в виде графа, описывающего жизненный цикл процесса разработки тренажера.

Установлено, что специализированные ВС могут иметь различную архитектуру в зависимости от класса ТС, но в любой из реализуемых вычислительных структур наиболее узким местом является общий информационный канал. В инженерной практике широко используется подход, основанный на многосторонней оценке характеристик проектируемой системы. При этом на ранних стадиях проектирования, когда о проектируемом объекте недостаточно исходной информации предпочтительно использовать аналитические, приближенные модели. Далее полученные результаты согласуются с техническим заданием и уточняются с использованием более точных, но менее универсальных имитационных моделей. Показано, что процессы, протекающие на СШ специализированной ВС с SMP-архитектурой, достаточно сложны и многообразны. Поэтому аналитическая модель системы массового обслуживания (СМО) с предобслуживанием заявок не может с приемлемой точностью описать такие особенности алгоритма обслуживания, как случайный выбор источника заявки, либо алгоритмы предобслуживания такие как, выбор ПБ наиболее долго не обращавшегося к СШ; подключение ПБ, обратившегося к СШ последним.

В данной работе под предобслуживанием понимается последовательность действий, выполняемых арбитром СШ при отсутствии заявок в системе, направленных на уменьшение времени нахождения в системе первой поступившей заявки за счет заблаговременного подключения источника заявки к СШ.

В работе проведено исследование проблемы использования при построении ТС специализированной ВС с SMP-архитектурой в части рационального выбора количества ПБ, обеспечивающих выполнение всех функциональных задач за выбранный в тренажере такт моделирования. При этом увеличение количества ПБ и модулей ввода-вывода вызывает дополнительные непроизводительные затраты времени, связанные с возникновением очереди на доступ к СШ, причем арбитр СШ каждый раз тратит время на реализацию алгоритма выбора следующего ПБ из образовавшейся очереди. Данная проблема должна быть проработана и учтена на начальных этапах проектирования с целью определения путей ее решения. Поэтому одной из задач, решаемых в работе, является определение рациональности применения метода предобслуживания в специализированных ВС с SMP-архитектурой. В работе реализовано два подхода для проверки конкретных технических решений – с использованием аналитического и имитационного моделирования. Технология оценки выбранного технического решения состоит в применении аналитических моделей на этапе концептуального проектирования ПАК, разработке предварительных архитектурных решений и определении перечня основных функциональных задач. На этапе проверки функциональных возможностей специализированной ВС, когда полностью определены все функциональные задачи, плановое время их выполнения, используются имитационные модели, позволяющие получить более точные оценки ее технических характеристик.

Выбор наиболее рациональной структуры ВС осуществляется путем сравнения условий их работоспособности, которые для j-го варианта реализации ВС описываются неравенством:

; (1)

где ; – среднее фактическое время выполнения всех функциональных задач в ВС; – фактическое время выполнения функциональных задач в i-том ПБ специализированной ВС мобильного тренажера; – такт моделирования тренажера; – количество ПБ в системе в j-ом варианте ВС; N – количество вариантов построения специализированной ВС на этапе эскизного проектирования.

Функциональные задачи, как правило, состоят из команд, время выполнения которых зависит не только от типа самой команды, но и от ее местоположения в микроархитектуре ВС. Так, если команда находится в кэш-памяти микропроцессора, то время ее выполнения составляет , где – паспортное время выполнения данной команды. Для микропроцессоров с RISC-архитектурой . Для микропроцессоров с CISC – архитектурой ограничим систему команд операциями АЛУ с временем выполнения и вероятностью генерации данной команды , FPU с временем выполнения и соответствующей вероятностью и регистровыми командами с временем выполнения и вероятностью , при условии, что , тогда .

Если команда отсутствует в кэш-памяти, то время выполнения команды определяется по формуле:

, (2)

где ; l – количество команд в кэш-памяти; - количество команд в функциональной задаче; – время ожидания обмена по СШ; – время доступа к блоку ОП; - количество пересылок в пакетном режиме обмена с ОП; – время переориентации в каждом цикле обмена по СШ. При выполнении команды, находящейся в кэш-памяти и требующей обращения к модулям УСО определим время выполнения по формуле:

, (3)

где ; z – количество команд в кэш-памяти. При отсутствии той же команды в кэш-памяти время выполнения определяется по формуле:

. (4)

где ; - количество команд в функциональной задаче.

Фактическое время выполнения функциональной задачи состоит из времени выполнения команд, размещенных в кэш-памяти с вероятностью и отсутствующих в ней с вероятностью , поэтому среднее время выполнения команды при отработке любой функциональной задачи определяется по формуле:

, (5)

где - среднее время выполнения команд размещенных в кэш-памяти; - среднее время выполнения команд отсутствующих в кэш-памяти.

При определении данного параметра необходимо сделать предварительную оценку времени ожидания и времени переориентации, используя соответствующую имитационную модель, выполнив ограниченное число команд – d. Затем в формулах (2) – (4) расчетные значения и заменяются на их средние значения и , которые определяется по формулам:

, .

Тогда для функциональных задач, в которых отсутствуют циклы обмена с УСО, , а . Для функциональных задач управления имитаторами , а .

Фактическое время выполнения f функциональных задач, в которых отсутствуют циклы обмена с модулями УСО, в i –том ПБ j-го варианта реализации определяется равенством:

, (6)

где – количество команд, обеспечивающих выполнение k-той функциональной задачи.

, (7)

где – плановое время выполнения функциональной задачи, при ; ^ V – коэффициент параллельного выполнения команд; l – количество команд в кэш-памяти; .

Фактическое время выполнения h задач управления имитаторами определяется соотношением:

, (8)

где ;

,

где – количество команд, обеспечивающих выполнение s-той прикладной задачи управления имитаторами.

, (9)

где – плановое время выполнения функциональной задачи обмена с модулями УСО, при ; z – количество команд в кэш-памяти; .

Условие работоспособности каждого ПБ при выполнении функциональных задач определим из соотношения:

, (10)

где ; .

Из приведенных формул следует, что существенно зависит от и , причем изменить фактическое время выполнения функциональных задач в вычислительной структуре можно, совершенствуя методы обслуживания заявок, используя для этого дополнительно методы предобслуживания так, чтобы исключить из цикла обмена время переориентации , что в целом приводит к изменению .

Коэффициент эффективности j-го варианта ВС, размещенной в одном крейте, определяется соотношением:

, при ; (11)

,

где – количество слотов к крейте; – количество слотов, занимаемых модулями УСО. Для выбора наиболее рационального варианта предлагается использовать критерий:

(12)

В главе 2 «Определение основных временных характеристик многопроцессорных специализированных вычислительных систем в тренажерных системах методом имитационного моделирования» определяются основные временные характеристики многопроцессорных специализированных ВС с SMP-архитектурой, которые могут быть получены методом имитационного моделирования. В качестве вариантов реализации рассматриваются вычислительные структуры, в которых общими вычислительными ресурсами являются:

  • блоки УСО и общей ОП, при условии, что ПБ имеют собственную локальную оперативную память (ЛОП);

  • блоки УСО и общей ОП, в случае, когда ЛОП у ПБ отсутствует;

  • общая ОП, а ПБ имеют ЛОП и автономные модули УСО.

Арбитр СШ может реализовывать различные алгоритмы выбора ПБ из очереди в том числе FIFO - «первый пришел – первый обслужился»; RAN – «случайный выбор»; R-R – «циклический опрос»; PRI – «относительный приоритет».

Выбор одной из трех описанных выше вычислительных структур осуществляется в соответствии с вероятностью появления заявки на СШ. Данный параметр для второй ВС равен = 0,02 и определяется на основании обобщенной характеристики, которая учитывает объем ЛОП, интенсивность междупроцессорного обмена и вывода данных в блоки УСО. Например, в современных ВС вероятность нахождения команды в кэш-памяти ПБ составляет 0,98. Для информационно слабо связанных ПБ вероятность появления заявки на СШ принята = 0,005. Для первой вычислительной структуры, имеющей ЛОП, значение выбирается в пределах .

В предложенной имитационной модели специализированной ВС с SMP-архитектурой каждое состояние характеризуется количеством заявок в системе, при этом время моделирования считается непрерывным, что позволяет отнести ее к классу дискретно-непрерывных систем. Модель выполнена на базе алгоритмического подхода. Внешние воздействия и параметры системы определяются методом статистических испытаний с продвижением модельного времени с использованием метода особых состояний, что позволяет уменьшать время моделирования. Все требования на доступ к СШ, поступившие за все время работы системы Т0, представим в виде очереди, в которой моменты времени поступления заявок образуют случайную последовательность T = , где i – номер ПБ, j – номер заявки в очереди, s – состояние заявки в текущий момент времени t[0,T0], причем значение s соответствует: 0 – обслуживание заявки окончено, 1 – заявка находится в очереди на обслуживание, 2 – заявка еще не поступила в очередь на обслуживание.

В момент времени t[0,T0] в системе будет сформировано заявок от ПБ, причем и s=1: T(t) = .

В общем случае Tожij – время ожидания ij-той заявки - является случайной величиной и функционально зависит от переменных m – количества ПБ, d – дисциплины арбитража СШ и интенсивности поступления заявок , причем:

Tожij =frandom (m,d;λ), где

Переменная Тз принимает значение равное среднему времени поступления заявок в систему. Время переориентации Tперij зависит от используемых алгоритмов предобслуживания, которые могут быть приоритетными и равноправными. При реализации приоритетного алгоритма арбитр СШ при отсутствии заявок в системе подключает СШ только к наиболее приоритетному ПБ, в случае «правильного» выбора ПБ параметр Tперij=0 в цикле обмена.

К равноправным алгоритмам предобслуживания относятся:

  • случайный выбор ПБ;

  • выбор ПБ, который дольше всех не выставлял требований на доступ к общим вычислительным ресурсам;

  • выбор ПБ, обращавшегося к СШ последним.

При этом среднее время переориентации системы, определяется равенством:

,

а среднее время ожидания заявки в системе задается формулой

.

Для проведения имитационного эксперимента была разработана модель рабочей нагрузки ВС, которая описывает совокупность всей входной информации (функциональных задач, данных, команд), поступающей в систему извне. Для построения базовых аналитических моделей специализированной ВС с SMP-архитектурой было проведено исследование потока заявок и времени обслуживания на СШ с использованием исходных данных, полученных в результате функционирования ряда реальных тренажеров. Полигон частот входного потока заявок для ВС с арбитром СШ –FIFO; m = 2; Рсш =0,02 приведен на рис.1, где сплошная линия описывает теоретическую кривую, а прерывистая соответственно эмпирическую.




Рис. 1 Арбитр СШ – FIFO; m = 2; Рсш =0,02; k = 2; λ = 0,05;

M(X) = 36,7; D(X) = 636,11; σ = 25,22; =17,79


При рассмотрении работы специализированной ВС с SMP-архитектурой тренажеров в условиях тренировки было установлено, что поток заявок, возникающих на СШ при выполнении функциональных задач, обладает свойствами стационарности, отсутствия последействия и ординарности. Это позволило предположить, что данный поток является простейшим. С помощью имитационного эксперимента было установлено, что закон распределения времени поступления заявок на СШ зависит от количества ПБ и с увеличением числа ПБ повышается вероятность возникновения очереди к общим информационным ресурсам. Закон распределения заявок изменяется от потока Эрланга 2-го порядка до потока Пуассона, причем интенсивность потока равна = 0,05 мкc-1. Результаты эксперимента также показали, что в специализированных ВС обслуживание заявок происходит в соответствии с законом Эрланга. В зависимости от быстродействия ОП и архитектуры ВС порядок закона Эрланга может изменяться от k = 1 до k = 3. Интенсивность обслуживания заявок для рассмотренных случаев изменяется в пределах  = 0,09 – 1,02 мкc-1.

Полученные статистические гипотезы и оценки были проверены с помощью критерия Пирсона (), кроме этого, последовательности интервалов, полученных при исследовании входного потока, также оценивались на наличие корреляции между ними и присутствие тренда в интенсивности потока. Для проверки использовался критерий оценки того, что при фиксированном числе событий пуассоновского процесса они независимо и равномерно распределяются по рассматриваемому периоду наблюдения. Полученные результаты позволили использовать для разработки базовых аналитических моделей аппарат марковских случайных процессов.

В главе 3 «Аналитическое описание специализированных вычислительных систем на базе SMP-архитектуры с алгоритмом доступа к общим вычислительным ресурсам FIFO, RAN, PRI, R-R» представлены математические модели, предназначенные для аналитического описания исследуемых специализированных ВС с SMP-архитектурой и предобслуживанием ПБ. При рассмотрении ВС как СМО приняты обозначения, предложенные Кендаллом, включающие четыре переменные, описывающие СМО, а также дополнительно введенная информация об алгоритме выбора заявок из очереди. Первая переменная описывает характеристики входящего потока и может принимать значения М, Ек, D, G , где М – закон Пуассона; Еk – закон Эрланга k-го порядка; D – детерминированный поток; G – произвольное распределение. Вторая переменная описывает характеристики времени обслуживания и принимает такие же буквенные обозначения, как и при описании входящего потока. Третья компонента принимает значение, равное числу обслуживающих устройств. Четвертая задает алгоритм выбора заявки из очереди.

Рассмотрим следующие варианты выбора заявки: FIFO, PRI, R-R. Тогда, классификационное представление Е2/G/1/m/FIFO описывает СМО с одним обслуживающим устройством и очередью ограниченной емкости m, эрланговским входящим потоком второго порядка и произвольным распределением времени обслуживания с дисциплиной доступа к СШ «первый пришел – первый обслужился». В работе рассмотрим следующие базовые математические модели ВС с SMP-архитектурой: Е22/1/m/FIFO, Е22/1/m/PRI, Е22/1/m/R-R; Е2/M/1/m/FIFO, Е2/M/1/m/PRI, Е2/M/1/m/R-R; M2/1/m/FIFO, M2/1/m/PRI, M2/1/m/R-R.

Для каждой модели определены следующие характеристики: среднее время нахождения заявки в системе; среднее время нахождения заявки в очереди. Для оценки использования предобслуживания в специализированных ВС с SMP-архитектурой на основе перечисленных моделей дополнительно разработаны новые аналитические модели, учитывающие механизм предобслуживания, которые позволяют определить среднее время переориентации системы с использованием равноправного и приоритетного предобслуживания.

С учетом того, что во всех представленных СМО входной поток заявок или закон обслуживания, описывается законом Эрланга k-го порядка, при построении аналитической модели использовался метод фаз. Идея этого метода основана на том, что распределение Эрланга, представляющее собой сумму k случайных величин, имеющих экспоненциальное распределение, можно свести к марковскому процессу путем дополнительного введения в пространство состояния номера фазы, в которой находится процесс, либо других признаков в зависимости от дисциплины обслуживания, например, номер приоритета источника заявки. Для определения стационарных характеристик СМО, например, типа Е22/1/m/FIFO, задается пространство состояний марковского процесса с непрерывным временем и вычисляется матрица переходных состояний . Граф состояний для СМО Е22/1/3/FIFO приведен на рис. 2. Пространство состояний СМО задается множеством: , где – количество заявок, находящихся в очереди и на обслуживании в момент времени ; – суммарное количество этапов в системе для всех заявок в момент времени .




Рис. 2. Граф состояний СМО Е22/1/3/FIFO


Для однородного марковского процесса с непрерывным временем вектор стационарного распределения вероятностей , где – вероятность того, что процесс в произвольный момент времени пребывает в -ом состоянии, находится из системы линейных уравнений Колмогорова-Чепмена, которая составляется по размеченному графу состояний:

, при условии нормировки .

В этом уравнении – инфинитезимальная матрица размера MM, элементы которой задают интенсивности переходов между состояниями и за бесконечно малый интервал времени ; M=N+1 – общее число различных состояний процесса.

Индекс по заданным и определяется из условия:




Вероятность нахождения в системе k заявок задается равенством: , где . Если в системе заявки отсутствуют, то .

Таким образом, элементы инфинитезимальной матрицы СМО задаются следующими соотношениями:




Элементы матрицы определяются с использованием алгоритмического подхода, предполагающего выделение процессов и формирование условий для определения интенсивностей перехода:

  1. – первая фаза поступления первой заявки в систему;

  2. – поток новых заявок (первая фаза поступления новой заявки );

  3. – поток поступивших новых заявок (заявка на второй фазе поступления);

  4. – первая фаза обслуживания выбранной из очереди заявки;

  5. – вторая фаза обслуживания любой заявки, кроме последней;

  6. – окончание обслуживания последней заявки;

  7. – полное обслуживание первой заявки, если

произошло ее предобслуживание.

Количественные характеристики системы определяются по следующим формулам:

  • среднее время нахождения заявки в системе:

,

где – среднее число заявок в системе; – средняя интенсивность потока от всех источников, причем:

; ,

где – среднее число активных источников, причем ;

  • среднее время ожидания заявки в очереди

,

где – среднее число заявок в очереди, причем ;

  • среднее время переориентации системы:

,

где , – вероятность того, что в момент времени перед поступлением заявки обслуживающее устройство свободно.

Экспериментальные данные, полученные методами аналитического и имитационного моделирования, хорошо согласуются друг с другом, при этом максимальное отклонение результатов составляет от 7 до 10 % при условии, что вероятность генерации соответствующего потока заявок и времени обслуживания изменяется в диапазоне от 0,7 до 1,0. При уменьшении данной вероятности до 0,3 отклонение, соответственно, увеличивается до 20 %.

Базовые и новые аналитические модели, используемые для описания специализированной ВC c SMP-архитектурой (СМО Е2/M/1/m/FIFO, Е2/M/1/m/PRI, Е2/M/1/m/R-R; M2/1/m/FIFO, M2/1/m/PRI, M2/1/m/R-R ), построены с использованием описанной выше методики и подробно изложены в диссертационной работе.

^ В главе 4 «Программная реализация имитационных и аналитических моделей специализированных вычислительных систем на базе SMP-архитектуры» приводится описание реализации инструментальных программных средств проверки технических решений (ИПС ПТР), используемых при проектировании ПАК тренажеров. Разработана функциональная схема программного комплекса, включающего подсистемы «Имитационные модели» и «Аналитические модели», позволяющие получать технические характеристики проектируемых специализированных ВС. Приведена методика оценки эффективности предложенного технического решения аналитическим и имитационным методами.

Для аналитической модели исходными данными являются: количество функциональных задач моделирования, выполняющих обмен с модулями УСО – h; количество функциональных задач моделирования без обмена с модулями УСО – f ; среднее число команд в функциональной задаче моделирования и среднее число команд в задаче обмена с модулями УСО ; такт моделирования ; количество источников заявок m; дисциплина арбитража СШ – FIFO, RAN, PRI, R-R; дисциплина предобслуживания; паспортное время выполнения команды ; время доступа к ОП ^ Топ; формула оперативной памяти Fоп; вероятность нахождения команды в кэш-памяти ; V – коэффициент параллельного выполнения команд. Параметры , Топ, Fоп, m, V соответствуют техническим характеристикам аппаратной части ВС.

На этапе 1 определяем и по формулам (7) и (9) соответственно.

На этапе 2 выбираем модель СМО, соответствующую исследуемой j-той структуре специализированной ВС. Необходимо запустить ее на выполнение и получить значения и .

На этапе 3 определяется фактическое время выполнения функциональных задач, при этом формулы (6) и (8) примут, соответственно, следующий вид:



,

где ; .

На этапе 4, подставив полученные значения в формулу (10), определим условие работоспособности каждого ПБ.

На этапе 5 из формулы (11) определяем коэффициент эффективности специализированной ВС.

Выполнив этапы 1-5 для всех N вариантов построения специализированной ВС, определим наиболее рациональный вариант по критерию (12).

Для уточнения технического решения используем метод имитационного моделирования, при этом необходимо выполнить следующие этапы:

  • на этапе 1 определить плановое время выполнения каждой функциональной задачи, используя для этого программную среду ИПС ПТР и среднее количество команд к каждой функциональной задаче , по формулам (7) и (9).

  • на этапе 2 определить фактическое время выполнения функциональных задач на каждом ПБ по формулам (6) и (8). Проверить условие работоспособности специализированной ВС по формулам (1) и (10).

  • на этапе 3 определить коэффициент эффективности специализированной ВС по формуле (11).

  • на этапе 4 наиболее рациональный вариант построения специализированной ВС определить по критерию, описанному формулой (12).

Для оперативного прогноза эффективности предлагаемых специализированных ВС для ПАК тренажеров можно воспользоваться следующей формулой определения фактического времени выполнения k-ой функциональной задачи: , где – коэффициент превышения планового времени выполнения задач для j-того варианта специализированной ВС.

Коэффициент получен при выполнении каждым ПБ имитационной модели одной и той же тестовой задачи с плановым временем выполнения . Тогда , где - фактическое время выполнения тестовой задачи для j-того варианта специализированной ВС.


^ Заключение и основные выводы


В диссертационной работе получены следующие основные теоретические и практические результаты:

1. Разработаны имитационные модели специализированных ВС с SMP- архитектурой, отличающиеся от известных учетом времени подключения источников заявок к СШ (время переориентации) и реализацией предобслуживания заявок с целью исключения этого времени в цикле обмена, что позволяет получать более точные технические характеристики в процессе разработки ВС.

2. С помощью имитационного эксперимента был уточнен закон распределения времени поступления заявок на СШ при выполнении функциональных задач, обеспечивающих работу тренажера. При этом закон распределения заявок изменяется при возрастании уровня информационного обмена от потока Эрланга 2-го порядка до потока Пуассона. Установлено, что в специализированных ВС обслуживание заявок происходит в соответствии с законом Эрланга, причем в зависимости от быстродействия общей ОП и архитектуры ВС порядок закона Эрланга меняется от k = 1 до k = 3.

3. Разработаны аналитические модели специализированной ВС с SMP-архитектурой в виде СМО с дисциплинами доступа к общим вычислительным ресурсам: FIFO, PRI, R-R, отличающиеся от известных учетом времени переориентации системы и реализацией равноправного и приоритетного предобслуживания ПБ, что позволяет получить более точные технические характеристики ВС и уменьшить среднее время простоя ПБ при обмене на СШ. Перечисленные аналитические модели описывают разработанные автором и защищенные авторскими свидетельствами вычислительные структуры.

4. Разработаны аналитические модели специализированной ВС с SMP-архитектурой, описываемой как СМО с дисциплинами доступа к общим вычислительным ресурсам: FIFO, PRI, R-R, отличающиеся от известных учетом времени переориентации системы и реализацией равноправного и приоритетного предобслуживания ПБ, что позволяет получить более точные технические характеристики ВС и уменьшить среднее время простоя ПБ при обмене на СШ.

5. Разработаны аналитические модели специализированной ВС с SMP-архитектурой, описываемой как СМО с дисциплинами доступа к общим вычислительным ресурсам: FIFO, PRI, R-R, отличающиеся от известных учетом времени переориентации системы и реализацией равноправного и приоритетного предобслуживания ПБ, что позволяет получить более точные технические характеристики ВС и уменьшить среднее время простоя ПБ при обмене на СШ. Перечисленные аналитические модели описывают разработанные автором и защищенные авторскими свидетельствами вычислительные структуры.

6. Разработан инструментальный комплекс программ проектирования ИПС ПТР, отличающийся от известных возможностью получения технических характеристик аппаратной части ПАК тренажера и проверки корректности разработки и реализации программной части ПАК тренажера, выполненного на базе специализированных ВС с SMP-архитектурой, что позволяет уменьшить время проектирования и решить задачу выбора рациональных вариантов SMP-структур для мобильных тренажеров. Получены коэффициенты превышения планового времени выполнения функциональных задач для рассматриваемых специализированных ВС с SMP-архитектурой.

7. Проведена оценка максимальной эффективности при использования механизма предобслуживания на базе аналитической модели СМО D2/1/m/FIFO, отличающейся от известных учетом времени переориентации системы и реализацией равноправного предобслуживания ПБ.

^

Список работ, опубликованных по теме диссертации



1. А.с.1447142 СССР. Многопроцессорная вычислительная система / А.И. Евченко, Ю.Н. Мхитаров, С.А. Левшин.

2. А.с.1480605 СССР. Двухпроцессорная вычислительная система / А.И. Евченко, Ю.Н. Мхитаров, С.А. Левшин.

3. А.с. 1589287 СССР, МКИ G06F 15/16. Многопроцессорная вычислительная система / А.И. Евченко, С.А. Левшин. - Заявл. 05.09.88, Опубл. 30.08.90, Бюл.№32.

4. Левшин С.А. Многопроцессорная вычислительная система с общим полем памяти // Робототехнические системы и комплексы: Межвуз. Сб. – Новочеркасск: НПИ 1988, - С. 113-121.

5. Евченко А.И., Левшин С.А. Системы массового обслуживания с предобслуживанием заявок // Изв. вузов. Электромеханика. - Новочеркасск, 1993.-№6. - С. 61-68.

6. Потоцкий С.И., Левшин С.А. Совершенствование организации процессов обработки информации в тренажерах на базе SMP-структур // Технические средства и технологии для построения тренажеров: материалы науч.-техн. семинара, Звездный городок, Моск. обл., 3-4 апр. 1996г. - Звездный городок, 1996. - Вып.2. - С. 31-33.

7. Структура системного программного обеспечения тренажера с распределенной системой моделирования. / А.Г. Душенко, В.М. Радченко, С.А. Левшин и др. // Компьютерные технологии в науке, производстве, социальных и экономических процессах: материалы II Междунар. науч.- практ. конф., г.Новочеркасск, 25 ноября 2001г. – Новочеркасск: ЮРГТУ (НПИ), 2001.-Ч 5.-С. 38-42.

8. Система моделирования многоосного автомобиля. / С.А. Левшин, Р.А. Горепекин, В.В. Емельяненко и др. // Компьютерные технологии в науке, производстве, социальных и экономических процессах: материалы II Междунар. науч. - практ. конф., г.Новочеркасск, 25 ноября 2001г. – Новочеркасск: ЮРГТУ (НПИ), 2001. - Ч 5.-С. 49-56.

9. Тренажер массового автомобиля. / В.Е. Шукшунов, С.И. Потоцкий, А.В. Горепекин, С.А. Левшин, и др. // Научные исследования высшей школы по приоритетным направлениям науки и техники: тез. докл. отчетной конференции-выставки подпрограммы 205 «Транспорт». науч. - техн. программы Минобразования РФ, Москва-Звенигород, 11-13 февр. 2002г. - М.: Изд-во МАИ, 2002. – С. 211-213.

10. Комплексный динамический тренажер для подготовки водителей многоосных тягачей. / В.В. Михайлов, Е.И. Краснов, А.В. Горепекин, С.А. Левшин и др. // Тренажерные технологии и симуляторы - 2002: материалы науч.-техн. конф. - СПб.: Изд-во СПб. ГПУ, 2002. – С. 88-89.

11.Использование промежуточного программного обеспечения при комплексировании тренажера. / Б.В. Черчепов, С.А. Левшин, Р.А. Горепекин и др. // Тренажерные технологии и симуляторы -2002: материалы науч.-техн. конф.-СПб.:Изд-во СПб. ГПУ, 2002. – С. 144-147.

12. Комплексный тренажер для подготовки специалистов по эксплуатации командно-штабных машин типа Р-149. / Б.В. Черчепов, С.А. Левшин, А.В. Горепекин и др. // Компьютерные технологии в науке, производстве, социальных и экономических процессах: материалы V Междунар. науч. - практ. конф., г.Новочеркасск, 12 ноября 2004г. – Новочеркасск: ЮРГТУ (НПИ), 2004. - Ч 2. - С. 7-11.

13. Комплекс средств связи многоэтапной подготовки специалистов связи командноштабной машины. / С.А. Левшин, Р.А. Горепекин, В.В. Емельяненко и др. // Моделирование. Теория, методы и средства: материалы VII Междунар. науч. - практ. конф., г. Новочеркасск, 6 апреля 2007г. – Новочеркасск: ЮРГТУ (НПИ), 2007. - Ч 2. – С. 67-72.

14*. Гринченков Д.В., Левшин С.А. Проектирование специализированной вычислительной системы для мобильного тренажера. // Изв. вузов. Сев.-Кавк. регион. Техн. науки. - 2007. - №6. - С. 27-32.

15*. Гринченков Д.В., Левшин С.А. Имитационные модели специализированной вычислительной системы с SMP-архитектурой для мобильного тренажера. // Изв. вузов. Сев.-Кавк. регион. Техн. науки. - 2009. - №1. - С.43-50.


Символом * отмечены работы в рецензируемом научном журнале, входящем в перечень ВАК.

Личный вклад автора в опубликованных в соавторстве работах: [1-3] - разработка общей структуры и принципиальной схемы арбитра СШ, [5, 15] – построение моделей и их программная реализация, [6, 14] – разработка принципов функционирования, [7, 8, 11] – постановка задачи проектирования, [9, 10, 12, 13] – задачи комплексирование систем ТС.





Скачать 291,85 Kb.
оставить комментарий
Левшин Сергей Афанасьевич
Дата29.09.2011
Размер291,85 Kb.
ТипАвтореферат, Образовательные материалы
Добавить документ в свой блог или на сайт

Ваша оценка этого документа будет первой.
Ваша оценка:
Разместите кнопку на своём сайте или блоге:
rudocs.exdat.com

Загрузка...
База данных защищена авторским правом ©exdat 2000-2017
При копировании материала укажите ссылку
обратиться к администрации
Анализ
Справочники
Сценарии
Рефераты
Курсовые работы
Авторефераты
Программы
Методички
Документы
Понятия

опубликовать
Документы

наверх