31505

ارايه الگوريتم زمان‌بندي كارا براي وظايف دوره‌اي سامانه‌هاي بحراني-مختلط مبتني بر برداشتگر انرژي

كارشناسي ارشد

مهندسي كامپيوتر- معماري سيستم‌هاي كامپيوتري زمينه سخت‌افزار

1403

1403/6/26

حاكم بيت الهي

/

مهندسي كامپيوتر

در اين پايان‌نامه، به بررسي چالش‌هاي مرتبط با ادغام فناوري برداشتگر انرژي در سامانه‌هاي بحراني-مختلط مي‌پردازيم. سامانه‌هاي بيدرنگ كه نيازمند پردازش دقيق و به‌موقع وظايف هستند، نقش حياتي در حوزه‌هاي مختلف از جمله سامانه‌هاي كنترلي، پردازش سيگنال، و سامانه‌هاي نهفته ايفا مي‌كنند. اين سامانه‌ها عموماً به باتري‌ها به‌عنوان منبع اصلي انرژي متكي هستند، اما محدوديت‌هاي عمر باتري و نياز به تعويض يا شارژ مكرر، چالشي جدي در كاربردهاي مستمر و پايدار ايجاد مي‌كند. يكي از راه‌حل‌ها براي غلبه بر محدوديت‌هاي باتري، استفاده از فناوري برداشتگر انرژي است. اين فناوري با جمع‌آوري انرژي از منابع محيطي همچون نور خورشيد، حرارت، و ارتعاشات، امكان تأمين انرژي مستمر و تجديدپذير را فراهم مي‌كند. برداشتگر انرژي مي‌تواند پايداري و عمر سامانه‌هاي بيدرنگ را افزايش دهد و وابستگي به باتري‌ها را كاهش دهد. بااين‌حال، ناپايداري و تغييرپذيري منابع انرژي محيطي، چالش‌هاي جديدي را در مديريت منابع انرژي به وجود مي‌آورد. در اين تحقيق، ما به بررسي و تحليل چالش‌ها در سامانه‌هاي بحراني-مختلط مي‌پردازيم كه وظايف با سطوح مختلف بحراني را مديريت مي‌كنند. اين سامانه‌ها به‌گونه‌اي طراحي شده‌اند كه در شرايط بحراني، وظايف بحراني با اولويت بالاتري نسبت به وظايف غيربحراني اجرا شوند. اما ادغام برداشتگر انرژي در اين سامانه‌ها به دليل ناپايداري انرژي محيطي و عدم قطعيت در زمان‌بندي ورود به حالت بحراني، پيچيدگي‌هاي قابل‌توجهي دارد. هدف اصلي اين پايان‌نامه، ارائه يك الگوريتم جديد براي مديريت كارآمد انرژي در سامانه‌هاي بحراني-مختلط است. اين الگوريتم با تمركز بر بهينه‌سازي مصرف انرژي و اطمينان از اجراي به‌موقع وظايف بحراني، به دنبال بهبود پايداري و كارايي سامانه‌هاي بيدرنگ است. نتايج اين پژوهش مي‌تواند به كاهش وابستگي به باتري‌ها، افزايش بهره‌وري انرژي و دستيابي به سامانه‌هاي پايدارتر و كارآمدتر منجر شود. در پژوهش انجام شده ما روش پيشنهادي خود را در دو سناريو مختلف با ساير تحقيقات مقايسه كرديم. بسته به سناريو‌هاي مختلف ما بهبود 4 تا 67 درصدي نسبت به پژوهش‌هاي پيشين داشتيم.

1403/08/14

An Efficient Scheduling Algorithm for Periodic Tasks in Mixed-Criticality Real-Time systems based on Energy Harvesting

9/16/2025 12:00:00 AM

In this thesis, we explore the challenges associated with integrating energy harvesting technology into mixed-criticality systems. Real-time systems, which require precise and timely task execution, play a crucial role in various fields, including control systems, signal processing, and embedded systems. These systems typically rely on batteries as the primary energy source, but limitations in battery life and the need for frequent replacement or recharging pose significant challenges for con- tinuous and sustainable applications. One innovative solution to overcome battery limitations is the use of energy harvesting technology. This technology gathers energy from environmental sources such as sunlight, heat, and vibrations, providing a continuous and renewable energy supply. Energy harvesting can enhance the sustainability and lifespan of real-time systems, reducing dependence on batteries. However, the instability and variability of environmental energy sources introduce new challenges in managing energy resources. In this research, we analyze and address the challenges in mixed-criticality systems, which manage tasks with different levels of criticality. These systems are designed to prioritize the execution of critical tasks over non-critical ones in emergency situations. However, integrating energy harvesting into these systems adds considerable complexity due to the unpredictability of environmental energy and uncertainty in timing for entering critical states. The primary goal of this thesis is to propose a novel algorithm for efficient energy management in mixed- criticality systems. Focusing on optimizing energy consumption and ensuring the timely execution of critical tasks, this algorithm aims to improve the stability and performance of real-time systems. The results of this research could lead to reduced reliance on batteries, increased energy efficiency, and the development of more sustainable and efficient systems. Our proposed method was com- pared with previous research across two different scenarios, showing improvements ranging from 4% to 67% depending on the scenario.

برداشتگر انرژي , بحراني-مختلط , زمان‌بندي , سامانه‌هاي بيدرنگ , تك‌پردازنده‌اي , اول زودترين مهلت

Earliest deadline first , energy Harvesting , Mixed-Critical , scheduling , Real-time systems , Uniprocessor

Mostafa Tamimipour

Dr. hakem beitollahi