一种基于负载感知的工业控制计算机动态节能调控方法与流程
本发明涉及工业控制计算机能耗优化,尤其是涉及一种基于负载感知的工业控制计算机动态节能调控方法。
背景技术:
1、工业控制计算机(简称工控机)是工业自动化生产线、智能装备与过程控制系统的核心运算单元,需7×24小时连续运行,能耗与可靠性是核心性能指标。现有工控机的节能策略多采用简单的cpu动态电压频率调节(dvfs),仅以cpu利用率为触发阈值,存在以下显著技术缺陷:
2、(1)负载评估维度单一:仅以cpu利用率作为调控依据,未考虑内存、磁盘io、网络带宽等资源的负载耦合影响,且权重固定无法适配不同工业场景的能耗特性,负载评估精度低,易导致节能不足或性能冗余。
3、(2)调控方式被动滞后:阈值触发式调控存在固有滞后性,无法适配工业生产班次化、周期性的负载波动规律,负载突增时易出现性能不足影响控制实时性,负载下降时能耗冗余无法及时释放。
4、(3)缺失实时性分级约束:未区分工业控制任务的实时性等级与优先级,节能调控无差别降低运行频率,易导致硬实时控制任务超时,存在生产安全与设备损坏风险。
5、(4)缺少闭环自优化机制:调控参数固化,无法根据长期运行的节能效果与任务实时性表现动态校准,节能效率随设备老化持续衰减。
技术实现思路
1、本发明的目的是提供一种基于负载感知的工业控制计算机动态节能调控方法,解决现有技术中负载评估维度单一精度低、调控被动滞后、未兼顾实时性约束、缺少闭环自优化的技术问题。
2、为实现上述目的,本发明提供了一种基于负载感知的工业控制计算机动态节能调控方法,包括以下步骤:
3、s1、实时采集cpu、内存、磁盘io、网络利用率与任务队列长度,通过能耗贡献度自适应更新各维度权重,结合任务队列过载修正得到最终综合负载度;
4、s2、将历史综合负载度分解为趋势项、周期项、随机残差项,分别预测后融合得到未来时刻的预测综合负载度;
5、s3、按实时性等级对工业控制任务分类,计算归一化的单任务相对紧迫度与系统整体实时性约束阈值;
6、s4、结合预测负载与实时性阈值计算满足实时性要求的cpu最低目标频率,并设置动态调节步长限制;
7、s5、针对大小核异构架构构建能耗代价模型,在实时性约束下实现总能耗最小化的任务分配;
8、s6、构建计算单元与散热系统的耦合能耗模型,在线辨识散热效率衰减系数,在结温安全与实时性多约束下求解cpu频率与风扇转速的全局最优组合;
9、s7、将外围设备划分为三级休眠等级并计算设备休眠收益,结合cpu负载与预测结果联动触发非关键设备的休眠与提前唤醒;
10、s8、按周期统计系统总节能率与实时性违规率,分场景动态校准频率、实时性系数、休眠阈值等调控参数,定期全量标定,实现系统长期运行自优化。
11、优选的,s1中的具体过程为:
12、首先通过指数平滑法结合能耗贡献度更新四类资源的动态权重:
13、;
14、式中,,分别代表cpu、内存、磁盘io、网络四类资源,为历史权重平滑系数,为上一周期第
k类资源的能耗增量,为系统总能耗增量;
15、再计算基础综合负载度:
16、;
17、式中,为第
t个采样周期的基础综合负载度,、、、分别为第
t个采样周期cpu资源、内存资源、磁盘io资源和网络资源的动态权重,、、、分别为第
t个采样周期采集的cpu利用率、内存占用率、磁盘io利用率和网络带宽利用率;
18、最后通过任务队列长度进行过载修正得到最终综合负载度:
19、;
20、式中,为
t时刻的最终综合负载度,为任务队列长度,为预警阈值,为队列修正系数,为最大队列长度。
21、优选的,s2中随机残差项采用自适应指数平滑预测,平滑系数根据预测误差动态调整:
22、;
23、式中,为上一时刻的预测误差;为历史平均负载,、分别为平滑系数的上下限;
24、残差预测值递推计算:
25、;
26、式中,为未来时刻的随机残差项预测值,为第
t时刻从历史负载中分解得到的真实随机残差项,为第
t时刻的随机残差项预测值;
27、最终预测负载为三个分量预测值之和:
28、;
29、式中,为未来时刻的预测综合负载度,为未来时刻的长期趋势项预测值,为未来时刻的生产周期项预测值,匹配工业生产班次周期,取历史同期同班次的负载均值计算。
30、优选的,s3中,单任务相对紧迫度采用归一化计算,避免数值爆炸:
31、;
32、式中,为
t时刻第
i个任务的相对紧迫度,数值越大代表任务越紧急;为任务实时性等级,为任务截止时间,为基准周期,为最小剩余时间阈值,为最大紧迫度上限;
33、系统整体实时性约束阈值为加权平均结果:
34、;
35、式中,为任务权重,为待执行任务总数。
36、优选的,s4中,满足实时性要求的cpu最低目标频率的计算公式为:
37、;
38、式中,、分别为cpu最低、最高额定频率,为未来时刻的预测综合负载度,、均为实时性调节系数,为当前最大单任务紧迫度;
39、动态调节步长限制为:
40、;
41、式中,为
t时刻允许的单次频率调节最大步长,为基准频率,为步长系数。
42、优选的,s5中,首先建立大小核的功耗模型与任务执行时间模型,任务执行时间与运行频率成反比:
43、;
44、式中,为第
i个任务在频率为
f的大核上的预估执行时间,为第
i个任务在频率为
f的小核上的预估执行时间,为第
i个任务在基准频率下、大核上的标定执行时间,为第
i个任务在基准频率下、小核上的标定执行时间;为核心的实际运行频率;
45、进而得到任务分配至大核、小核的能耗代价:
46、;
47、式中,为第
i个任务分配到频率为
f的大核上执行的总能耗代价,为第
i个任务分配到频率为
f的小核上执行的总能耗代价,、分别为大核、小核的功耗,为核心切换开销;
48、以总能耗最小化为目标,约束条件包括硬实时任务强制分配大核、软实时任务满足截止时间。
49、优选的,s6中,系统总能耗耦合模型为:
50、;
51、式中,为系统总功耗,为cpu在运行频率
f、预测综合负载度下的平均计算功耗,为散热风扇在转速下的工作功耗;
52、其中,cpu功耗采用静态+动态分离模型,风扇功耗与转速成立方关系:
53、;
54、式中,为风扇功耗系数。
55、优选的,s6中的散热效率衰减系数采用滑动窗口指数平滑法在线辨识,更新周期长于负载采样周期;
56、单组采样的瞬时衰减系数由热平衡公式推导得到:
57、;
58、式中,为
t时刻采集的cpu结温实测值,为
t时刻采集的环境温度实测值,为出厂初始额定热阻,为风扇额定转速,为风阻特性指数;为cpu的发热功耗;
59、最终衰减系数更新为:
60、;
61、式中,为
t时刻更新后的最终散热效率衰减系数,为平滑因子,为上一辨识周期的衰减系数,为窗口内瞬时衰减系数的平均值。
62、优选的,s7中,将外围设备划分为三级休眠等级,对应不同的唤醒时延与功耗水平;
63、设备休眠收益的计算公式为:
64、;
65、式中,、分别为设备活跃、休眠功耗,为预估剩余空闲时间,为唤醒能耗;
66、当休眠收益大于阈值时触发休眠,并基于负载预测实现提前唤醒。
67、优选的,s8中,系统总节能率的计算公式为:
68、;
69、式中,为系统总节能率,为校准周期内额定模式下的系统总基准能耗,为校准周期内调控后的实际总能耗;
70、实时性违规率的计算公式为:
71、;
72、式中,为实时性违规率,为校准周期内超时完成的工业控制任务总数,为校准周期内系统执行的所有工业控制任务总数;
73、反馈调节规则包括:违规超标时提升频率与实时性权重;节能未达标且裕度充足时扩大节能幅度;节能超额且实时性充足时提升保障水平;定期执行全量参数校准。
74、因此,本发明采用上述一种基于负载感知的工业控制计算机动态节能调控方法的有益效果为:
75、(1)本发明突破了单一cpu负载的局限,通过能耗贡献度自适应更新权重,结合任务队列过载修正,提升了负载评估精度,精准适配焊接、装配、检测等不同工业场景的负载特性。
76、(2)本发明结合工业生产班次周期规律,采用趋势-周期-残差分解预测,将调控从被动阈值触发升级为主动预判,预测误差控制在8%以内,提前消除负载波动带来的能耗冗余与响应延迟。
77、(3)本发明构建了归一化的任务紧迫度与系统实时性阈值,将硬实时任务的可靠性约束嵌入全流程调控,在保障生产安全的前提下最大化节能空间,实现硬实时任务零超时。
78、(4)本发明采用三级闭环自优化机制,分为毫秒-秒-小时三级调控周期,结合节能率与违规率双指标的反馈调节,实现参数的动态校准,适配设备老化与场景变化,提升了长期运行节能效率稳定性。
79、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com