Энергоэффективная обработка данных в автономных системах

Размещено на http://www.allbest.ru/

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

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.

Ключевые слова: Энергоэффективность, оптимизация, автономные системы, обработка информации, модернизация

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.

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. энергопотребление микропроцессорный автономный

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 496мА;

Рассмотрим несколько подходов к решению данной задачи:

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;

Проведем сравнительное тестирование выбранных алгоритмов обработки данных:

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 работы:

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.

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.

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.

Литература

1. 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.

Размещено на Allbest.ru