عنوان پایان‌نامه
مدیریت طول عمر سیستمهای نهفته مبتنی بر باتری
- رشته تحصیلی
- مهندسی کامپیوتر -نرم افزار
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2300;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59438
- تاریخ دفاع
- ۲۸ دی ۱۳۹۱
- دانشجو
- صغری منوچهری خلاری
- استاد راهنما
- مهدی کارگهی
- چکیده
- بسیاری از سیستم های نهفته و دستگاه های متحرک برای تأمین انرژی مورد نیاز خود از باتری استفاده می کنند. طول عمر بسیاری از این دستگاه ها به طول عمر باتری وابسته است. بر این اساس، جهت افزایش بهره وری از این گونه سیستم ها، کاهش مصرف انرژی و مدیریت نحوه‌ی استفاده از باتری اهمیت زیادی دارند. در این پایان نامه از تکنیک تغییر پویای ولتاژ استفاده می کنیم و به ارائه روش هایی برای افزایش طول عمر سیستم های نهفته بی درنگ مبتنی بر باتری می پردازیم. در مرحله اول جهت افزایش طول عمر سیستم و بیشینه کردن بهره وری از باتری، یک الگوریتم زمانبندی آگاه از وضعیت باتری برای وظایف دوره ای ارائه می دهیم. در مرحله بعد برای سیستمی که در آن از سوپرخازن به عنوان مکمل باتری استفاده می شود، با در نظر گرفتن روش هایی برای مدیریت این دو منبع، به ارائه الگوریتم های زمانبندی وظایف دوره ای بی درنگ با هدف افزایش بهره وری از باتری و حداکثر کردن طول عمر باتری و سیستم می پردازیم. اگر n تعداد کل کارهای یک ابردوره و m تعداد سطوح ولتاژ پردازنده باشند، پیچیدگی زمانی این الگوریتم ها (O(mn2 است. الگوریتم های ارائه شده با دو روش ارزیابی می شوند: در روش اول از تابع هزینه‌ی مبتنی بر شارژ مصرفی باتری استفاده می‌شود، و در روش دوم از یک شبیه ساز سطح پایین باتری های لیتیوم-یون به نام Dualfoil بهره‌برداری خواهد شد. نتایج بدست آمده در بخش اول نشان می دهد الگوریتم پیشنهادی در شرایط مختلف (از نظر بارکاری سیستم و توان مصرفی وظایف) منجر به افزایش طول عمر سیستم بین 4.3 تا 19.6 درصد شده است. نتایج بدست آمده در بخش دوم نشان می دهد که در سیستم های نهفته بی درنگ ترکیب سوپرخازن و باتری در کنار مدیریت زمان شارژ و دشارژ سوپرخازن، طول عمر سیستم را به طور چشم گیری (در برخی شرایط حتی بیش از 100%) افزایش می دهد.
- Abstract
- Many embedded systems and mobile devices use batteries as their energy suppliers. The lifetime of these devices is thus dependent on the battery behavior. Accordingly, battery management besides reducing the energy consumption of the respective system helps to increase the efficiency of such systems. This dissertation employs dynamic voltage scaling (DVS) to extend the lifetime of battery-powered real-time embedded systems. First, we propose a battery-aware scheduling algorithm to maximize the lifetime and efficiency of the battery. Second, we propose to use super-capacitors to support the battery in the cases where high power/current is needed to supply the device. Some scheduling approaches are proposed to manage these two energy sources as co-suppliers for periodic real-time tasks. The goal for the system is to increase the battery efficiency and thus maximize the system lifetime. The time complexity of the algorithms is O(mn2), where m is the number of discrete voltage levels for the CPU and n is the total number of jobs in a hyperperiod. Two methods are used to evaluate the mentioned algorithms; the first one is based on the cost function derived from a high-level analytical model of battery, and the second one is based on Dualfoil, a low-level li-ion battery simulator. Experimental results show that the system lifetime in various situations (in terms of system workload and tasks power consumption) can be increased about 4.3% to 19.6%. Besides, the results confirm that the combination of super-capacitor and battery in real-time embedded systems, and appropriate management of super-capacitor charge and discharge times, significantly increase the lifetime of the system even more than 100% in specific cases.
