本发明涉及混合关键实时任务调度，以及混合关键任务的容错策略和能耗管理，特别涉及一种面向无人机系统的容错节能调度方法。
背景技术：
1、为了满足对可靠性、能耗和制造成本的需求，混合关键系统实现了将不同关键层次的应用集成到同一个共享平台上。常见的混合关键系统如航天领域的控制系统和汽车应用上的智能汽车系统。航空软件认证标准do-178b是混合关键系统中的一个典型应用，为航空飞机软件定义了5个关键等级。同时，航空电子应用软件标准arinc也都明确提到了系统的混合关键级别。这些标准为每个不同关键级别任务提供了相应的可靠性要求，来保证任务在系统中执行时的可靠性。例如，飞行控制和管理系统直接负责飞机在飞行途中的安全，必须保证其在极端情况下可以正常工作。因此与飞机控制和管理相关的任务级别应该为a级。灯光切换、音乐播放等任务相关的级别应该归为d或者e级，该级别的任务即使失败，也不会对飞机的飞行安全造成影响。
2、随着系统功能的不断增加，导致晶体管数目、运算频率也在增加，使得处理器的能耗越来越高。高能耗则会带来高温度，如果散热不及时，高温会加速半导体元器件的老化速度，缩短使用寿命，甚至可能影响电路元器件的稳定运行，导致系统故障的发生。在混合关键系统中，由于电池供电平台的计算需求急剧增加导致能耗也随之增大，这点在电池供电的无人机移动设备上格外明显。在目前的现代化处理器中都配备了动态电压和频率调节的功能，因此，通过降低处理器运行时的频率来达到节能的目的是可实现的。在当前节能环保的背景下，低功耗设计成为了电子行业的热门话题，它对于延长电池寿命、提高设备性能和减少运行成本具有重要意义。
3、在此前的方法研究中，有研究者提出了基于检查点的实时系统任务调度方法，该方法给出了检查点技术来提升系统可靠性的可行性分析，但在该方法中忽略了检查点对系统能耗的影响，并且该方法没有节约系统能耗。研究者们还提出了基于需求约束函数的方法，考虑非精确混合关键任务模型，针对不同的正确性认证标准，分别在非透视调度和半透视调度上提升了系统任务集的可调度性，但是它们没有考虑系统能耗和可靠性。随后，有研究者提出了半透视混合关键任务调度的能耗优化方法，该方法通过调节处理器速度来节约能耗，但却忽略了系统的可靠性。因此，为了在保障可靠性的同时降低系统的能耗，本方法提出一种面向无人机系统的容错节能调度方法。通过建立无人机系统的半透视混合关键任务模型，计算包含检查点开销的任务最坏执行时间。根据任务的最坏执行时间，计算任务的能耗与可靠性。进而，根据do-178b可靠性标准，给出任务的可靠性约束条件。最后，利用需求约束函数，推导系统任务集的可调度性条件，进而计算处理器的最佳节能速度。
技术实现思路
1、本发明的目的在于克服现有技术的不足，提供一种面向无人机系统的容错节能调度方法，通过检查点机制来容忍瞬时故障，计算系统在满足实时性和可靠性下的节能速度，这不仅可以提高系统的可靠性，还可以降低系统的能耗。
2、为了实现上述目的，本发明的技术方案是，一种面向无人机系统的容错节能调度方法，包括：
3、一种面向无人机系统的容错节能调度方法，包括：
4、建立无人机系统的半透视混合关键任务模型；
5、基于无人机系统的半透视混合关键任务模型，计算包括检查点开销的任务最坏执行时间；
6、根据任务最坏执行时间，计算任务的能耗与可靠性；
7、基于任务的可靠性及可靠性标准，给出任务的可靠性约束条件；
8、基于任务的可靠性约束条件，利用需求约束函数，推导出无人机系统任务集的可调度性条件，计算出处理器的最佳节能速度。
9、优选的，所述建立无人机系统的半透视混合关键任务模型，具体包括：
10、使用双关键级别系统模型对无人机系统进行设计；系统中存在两种模式，分别为低模式和高模式；系统中存在不同功能和关键级别的任务，将任务进行抽象化处理；系统中存在一组有限的组件，每个组件有着不同的关键级别，并包含一组有限的偶发任务；每个任务集γ＝{τ1，τ2，...，τn}有n个偶发任务，任务τi的特征由一个五元组表示：＜li，ci(lo)，ci(hi)，ti，di>，其中li∈{lo，hi}为任务的关键级别，其中lo为低关键级别，hi为高关键级别；ti是任务的周期，即作业的最短释放间隔，ci(lo)和ci(hi)分别为任务在低模式和高模式下的无故障情况的原始最坏情况执行时间，di为任务的相对截止期限；对非精确的混合关键任务模型，若τi是hi任务，则ci(hi)≥ci(lo)，否则ci(hi)≤ci(lo)；无人机系统由低模式开始运行，如果hi作业到达时为异常作业，系统会从低模式转换到高模式，并且任务将以ci(hi)执行。
11、优选的，所述基于无人机系统的半透视混合关键任务模型，计算包括检查点开销的任务最坏执行时间，具体包括：
12、在x模式下，处理器速度为si时，任务τi的最佳检查点数量mi(x)由如下公式计算：
13、
14、其中，x∈{lo,hi}；si为执行任务τi时的处理器速度；为检查点存储开销，ki(x)模式x下任务的故障数；ci(x)为未插入检查点且系统无故障下的任务最坏执行时间；
15、根据所求的最佳检查点数量mi(x)，相邻检查点之间的间隔fi(x)由下式计算：
16、
17、其中，oi为检查点的总开销；
18、考虑检查点本身和任务回卷恢复执行所需的时间开销，在模式x下，处理器速度以si执行时，任务的最坏执行时间wi(x,si)由下式计算：
19、
20、优选的，所述根据任务最坏执行时间，计算任务的能耗与可靠性，具体包括：
21、处理器的功耗p计算公式如下：
22、
23、其中，ps为静态功耗；pind为与处理器速度无关的功耗，包括i/o和内存读取操作等所造成的功耗；h表示无人机系统的状态，若h＝1，意味着系统处于活跃状态；否则h＝0，系统处于休眠状态；cef为有效的开关电容；si为任务τi在执行时的处理器归一化速度，表示为vi为执行任务τi时的处理器电压，vmax为最大处理器电压，fi为执行任务τi时的处理器频率，fmax最大处理器频率；α为动态功率指数，2≤α≤3；
24、关注无人机系统的动态功耗，得到一个节能速度为即si∈[scrit,smax]；任务集在低模式下一个超周期内的归一化能耗如下计算：
25、
26、
27、其中，ki(lo)为低模式下任务τi的故障数；fi(lo)为低模式下τi相邻检查点之间的间隔；mi(lo)为低模式下τi的检查点数量；为存储一个检查点的能耗开销；为检索一个检查点的能耗开销；
28、无人机系统的瞬时故障遵循泊松分布，具有平均故障率λ；当无人机系统以归一化处理器速度si运行时，平均瞬时故障率λ(si)的计算如下：
29、
30、其中，λ0为处理器速度smax下的平均瞬时故障率；d为对由动态电压和频率调节引起的瞬时故障导致软误差的敏感程度，是系统无关常数；smin为处理器可调节的最小速度；
31、无人机系统处于x模式下时，x∈{lo，hi}，并且处理器以si的速度运行；任务τi的第j个作业被mi(x)个检查点分成mi(x)+1个主执行段；则每个主执行段的执行时间上界为每个主执行段的可靠性如下计算：
32、
33、任务τi的第j个作业最大可容忍ki(x)个错误，其存在最多ki(x)个恢复执行段；每个恢复执行段的执行时间上界为fi(x)+oi，因此，每个恢复执行段的可靠性如下计算：
34、
35、一个任务τi的第j个作业的可靠性为mi(x)+1个主执行段被成功执行的概率，与当ai(ai＝0，1，...，ki(x))个故障发生时，ai个恢复执行段被成功执行的概率之和；在系统模式x和处理器速度si下，任务τi的第j个作业的可靠性ri，j(x，si)的计算如下：
36、
37、其中，pti为任务被检查点分割的主执行段的数量，pti＝mi(x)+1；为ai个错误主段被ki(x)个恢复段成功恢复的概率，如下计算：
38、
39、任务τi的可靠性ri(x，si)为该任务所有作业的乘积，如下计算：
40、
41、其中，hi为任务τi的作业数量。
42、优选的，所述基于任务的可靠性及可靠性标准，给出任务的可靠性约束条件，具体包括：
43、定义a、b、c、d和e共5个关键等级，其中a为最高级别，e为最低级别；{a，b，c}为可靠性标准中考虑系统可靠性的关键级别；{d，e}为可靠性标准中未考虑系统可靠性的关键级别；除了{d，e}关键级别的任务外，其余所有任务都满足可靠性约束，如下：
44、
45、其中，为目标可靠性。
46、优选的，所述基于任务的可靠性约束条件，利用需求约束函数，推导出无人机系统任务集的可调度性条件，计算出处理器的最佳节能速度，具体包括：
47、系统任务优先级使用最早截至期限优先算法进行分配；系统处于低模式并发生故障时，此时处理器以速度si执行任务τi，该任务在时间[0，t]内的执行需求为dbfl(τi，t)＝ni(t)·wi(lo，si)，其中为任务在区间[0，t]的作业数；因此，如果任务集在低模式下可调度，那么对于需要满足如下约束：
48、
49、其中，tmax为任务集的一个超周期；wi(lo，si)为低模式下，考虑检查点开销和故障回卷恢复，且处理器速度以si执行时的任务最坏情况执行时间；
50、无人机系统处于高模式并发生故障时，处于高模式下的任务处理器以速度smax执行；为了减少系统最大需求分析中的悲观性，对过载作业进行更精确的分析，其中过载作业为到达时间ai在模式转换时刻s之前，截至期限di在模式转换s之后的lo任务释放的作业；过载作业的需求计算公式如下：
51、
52、其中，为s到ai的时间间隔，为s之前的主执行段的数量，
53、因此，lo任务τi在高模式下的最大执行需求由下式计算：
54、
55、其中，wi(hi，smax)为高模式下且处理器速度以smax执行时的任务最坏情况执行时间；
56、根据半透视调度规则，在模式转换时刻之前到达的作业以ci(lo)执行，在模式转换之后到达的任务以ci(hi)执行；考虑故障下的高模式，hi任务τi的最大执行需求由下式计算：
57、
58、因此，如果任务集在高模式下可调度，那么对于需要满足如下约束：
59、
60、其中，γlo和γhi分别为lo任务和hi任务的集合；
61、综上所述，若任务集可调度，则需其在低模式和高模式下的最大需求均满足约束；通过求解下述方程获得处理器的最佳节能速度：
62、
63、
64、由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
65、(1)本发明方法与其他方法(easrg without dvfs)相比降低了大约57.30％的系统能耗开销；
66、(2)本发明方法满足do-178b标准中的可靠性要求，通过检查点机制来容忍错误，因此提高了系统的可靠性；
67、(3)本发明方法在保证系统可靠性与实时性的同时降低了系统的能耗开销。
68、以下结合附图及实施例对本发明作进一步详细说明，但本发明的一种面向无人机系统的容错节能调度方法不局限于实施例。
1.一种面向无人机系统的容错节能调度方法，其特征在于，包括：
2.如权利要求1所述的一种面向无人机系统的容错节能调度方法，其特征在于，所述建立无人机系统的半透视混合关键任务模型，具体包括：
3.如权利要求2所述的一种面向无人机系统的容错节能调度方法，其特征在于，所述基于无人机系统的半透视混合关键任务模型，计算包括检查点开销的任务最坏执行时间，具体包括：
4.如权利要求3所述的一种面向无人机系统的容错节能调度方法，其特征在于，所述根据任务最坏执行时间，计算任务的能耗与可靠性，具体包括：
5.如权利要求4所述的一种面向无人机系统的容错节能调度方法，其特征在于，所述基于任务的可靠性及可靠性标准，给出任务的可靠性约束条件，具体包括：
6.如权利要求5所述的一种面向无人机系统的容错节能调度方法，其特征在于，所述基于任务的可靠性约束条件，利用需求约束函数，推导出无人机系统任务集的可调度性条件，计算出处理器的最佳节能速度，具体包括：
