37、嵌入式系统开发:调度、界面设计、语言使用与编码风格

嵌入式系统开发:调度、界面设计、语言使用与编码风格

1. 实时调度方法

1.1 速率单调调度(RMS)

RMS 调度在使用谐波任务周期时,能保证 100% CPU 使用率下的可调度性。谐波任务周期指每个任务的周期必须是系统中所有更短周期的精确整数倍,相同周期也是允许的。例如,周期集合 {2, 10, 20} 是谐波的,因为 2 能整除 10 和 20,10 能整除 20;而 {2, 10, 25} 不是谐波的,因为 2 和 10 都不能整除 25。

在实际应用中,大多数嵌入式系统使用谐波周期来最大化 CPU 使用率。有时为了使所有周期成为谐波,系统会让某些任务运行得比实际需要更快。例如,若任务必须在 2、11 和 21 毫秒内完成,可将相应的截止时间分别设置为 2、10 和 20 毫秒,这样既能满足谐波要求,又能确保所有任务按时完成。

改变任务周期为谐波倍数后,需确保 CPU 负载不超过 100%,建议预留一定余量。计算方法是将每个任务使用的 CPU 时间占比(Ci/Pi)相加,总和应小于 100%。与之前讨论的周期性调度方法不同,只要周期是谐波倍数且总 CPU 负载不超过 100%,周期的长短没有限制。

1.2 截止时间单调调度(DMS)

DMS 是 RMS 的一种变体,区别在于 DMS 系统中截止时间可以短于周期。在 DMS 中,会创建一个伪周期,它是周期和截止时间中的较小值,调度时假设任务每伪周期运行一次。例如,一个周期为 10 毫秒、截止时间为 3 毫秒的任务,其伪周期为 3 毫秒,该任务将与所有 3 毫秒的任务具有相同的优先级。CPU 使用计算假设任务每 3 毫秒消耗一次 CPU 时间,即使实际执行频率

【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)内容概要:本文介绍了一种基于神经网络的数据驱动迭代学习控制(ILC)算法,用于解决具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车路径跟踪问题,并提供了完整的Matlab代码实现。该方法无需精确系统模型,通过数据驱动方式结合神经网络逼近系统动态,利用迭代学习机制不断提升控制性能,从而实现高精度的路径跟踪控制。文档还列举了大量相关科研方向和技术应用案例,涵盖智能优化算法、机器学习、路径规划、电力系统等多个领域,展示了该技术在科研仿真中的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及从事无人车控制、智能算法开发的工程技术人员。; 使用场景及目标:①应用于无人车在重复任务下的高精度路径跟踪控制;②为缺乏精确数学模型的非线性系统提供有效的控制策略设计思路;③作为科研复现算法验证的学习资源,推动数据驱动控制方法的研究应用。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注神经网络ILC的结合机制,并尝试在不同仿真环境中进行参数调优性能对比,以掌握数据驱动控制的核心思想工程应用技巧。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值