Модель надежности многопроцессорных аппаратно-программных комплексов систем управления реального времени с мультиверсионным программным обеспечением

Надежность является критически важным параметром систем управления реального времени. На практике надежность аппаратно-программных комплексов, входящих в подобные системы, обеспечивается за счет создания избыточности аппаратных компонентов и мультиверсионного подхода к разработке программного обеспечения. Но избыточное резервирование аппаратных устройств и слишком большое число версий программного обеспечения могут привести к неоправданному росту стоимости создания и эксплуатации проектируемой системы управления. Рациональный подход к проектированию требует создания модели, позволяющей оценить надежность различных конфигураций аппаратно-программного комплекса на этапе проектирования. Предложена математическая модель надежности аппаратно-программных комплексов систем управления реального времени, построенная с использованием математического аппарата теории массового обслуживания и представляющая собой систему дифференциальных уравнений для вероятностей нахождения состояний системы, в которых неисправны те или иные компоненты аппаратно-программного комплекса. Из системы дифференциальных уравнений получена система линейных алгебраических уравнений для вероятностей состояний в установившемся режиме. Приведено аналитическое решение данной системы, что позволяет оценить надежность многопроцессорных аппаратно-программных комплексов с мультиверсионным программным обеспечением без существенных затрат вычислительных ресурсов. Приведены возможности использования полученных результатов для оптимизации надежности многопроцессорных аппаратно-программных комплексов с мультиверсионным программным обеспечением и предложены направления дальнейших исследований

Литература

[1] Васильев В.А., Легков К.Е., Левко И.В. Системы реального времени и области их применения. Информация и космос, 2016, № 3, с. 68--70.

[2] Buttazzo G. Hard real-time computing systems: predictable scheduling algorithms and applications. New York, Springer, 2011.

[3] Kumar S. Fundamental limits to Moore’s law. URL: https://arxiv.org/abs/1511.05956 (дата обращения: 05.03.2020).

[4] Липаев В.В. Экономика производства программных продуктов. М., Синтег, 2011.

[5] Ковалев И.В., Соловьев Е.В., Ковалев Д.И. и др. Использование метода роя частиц для формирования состава мультиверсионного программного обеспечения. Приборы и системы. Управление, контроль, диагностика, 2013, № 3, с. 1--6.

[6] Ковалев И.В., Лосев В.В., Сарамуд М.В. и др. К вопросу реализации мультиверсионной среды исполнения бортового программного обеспечения автономных беспилотных объектов средствами операционной системы реального времени. Вестник СибГАУ, 2017, № 1, с. 58--61.

[7] Ефимов С.Н., Терсков В.А. Реконфигурируемые вычислительные системы обработки информации и управления. Красноярск, Изд-во КрИЖТ ИрГУПС, 2013.

[8] Efimov S.N., Tyapkin V.N., Dmitriev D.D., et al. Methods of assessing the characteristics of the multiprocessor computer system adaptation unit. J. Siberian Federal University. Mathematics & Physics, 2016, vol. 9, no. 3, pp. 288--295. DOI: https://doi.org/10.17516/1997-1397-2016-9-3-288-295

[9] Avizienis A. The N-version approach to fault-tolerant software. IEEE Trans. Soft. Eng., 1985, vol. SE-11, no. 12, pp. 1511--1517. DOI: https://doi.org/10.1109/TSE.1985.231893

[10] Лашков А.А. Решение СЛАУ с разреженной матрицей методом приведения к блочному диагонально-окаймленному виду. Процессы управления и устойчивость, 2014, т. 1, № 1, с. 347--351.

[11] Юлдашев А.В., Гатиятуллин М.З. Сравнительное исследование эффективности ряда библиотек, реализующих алгоритмы решения разреженных матриц. Вектор науки Тольяттинского государственного университета, 2012, № 4, с. 130--134.

[12] Эварт Т.Е., Лазарева А.Б. Алгоритм решения систем линейных алгебраических уравнений с разреженными матрицами. Приволжский научный вестник, 2013, № 12-2, с. 91--92.

[13] Goldberg D.E. Genetic algorithms in search, optimization, and machine learning. New York, Addison-Wesley, 1989.

[14] Ефимов С.Н., Егоров А.С., Семенкин Е.С. Алгоритм генетического программирования с автоматически определяемыми функциями для выбора спецпроцессоров МВС интеллектуального анализа данных в режиме реального времени. Информационные технологии и математическое моделирование. Томск, Изд-во ТГУ, 2006, с. 223--225.

[15] Галушин П.В. Разработка и исследование асимптотического вероятностного генетического алгоритма. Журнал Сибирского федерального университета. Сер. Математика и физика, 2012, № 1, с. 49--56.

[16] Semenkin E., Semenkina M. Stochastic models and optimization algorithms for decision support in spacecraft control systems preliminary design. Informatics in Control, Automation and Robotics, Lecture Notes in Electrical Engineering, 2014, vol. 283, pp. 51--65. DOI: https://doi.org/10.1007/978-3-319-03500-0_4