前言2

工业实时操作系统是面向工业应用的实时操作系统，广泛应用于工业自动化、军事、电力、新能源等工业领域关键场景中，对操作系统实时性、并行性、可靠性、功耗等方面的要求较为严苛，其处理器芯片的更新换代周期通常为几年到几十年。在工业产品或工业制造流程中，实时操作系统通常以嵌入式形态作为装备或生产系统的“大脑”，对提高装备与生产过程的智能化，满足工业生产对于高效、可靠、实时、绿色等方面的要求具有显著作用。在实际应用过程中，工业实时操作系统并非作为单一封闭软件工作，而是与硬件、协议、应用软件等广泛连接和协同，形成纵横连通的生态网络。

本书以工业实时操作系统为研究对象，分析了工业实时操作系统关键技术及发展趋势与安全现状，提出了工业实时操作系统的低功耗调度算法、面向工业实时操作系统的可靠性协同优化调度算法、工业实时操作系统多核处理器低功耗调度算法、工业实时操作系统低功耗数据清洗算法、面向工业实时操作系统的边缘计算检测算法，以及基于云边协同的工业实时操作系统任务卸载方法，此外，进一步提出了工业生产线三维检测与交互算法、面向工业实时操作系统的人工智能芯片测评技术等，并通过实验验证了上述方法的可行性及有效性。本书主要内容包含以下几个方面：

第一，阐述了工业实时操作系统的概念及关键作用，分析了国内外整体市场现状及代表性产品，梳理了工业实时操作系统内核、中间件、辅助设计工具等关键技术及相关现有研究基础，分析了工业操作系统通信协议与应用场景，并进一步指出其轻量化、虚拟化、跨平台移植及网络化等发展趋势，为国产工业实时操作系统加速发展与应用提供参考。

第二，总结梳理了工业实时操作系统的安全现状，分析阐述了典型工业操作系统体系结构、工业实时操作系统安全问题、工业实时操作系统防护要点、工业实时操作系统攻击场景，以及工业操作系统视角下的车联网系统安全性。

第三，基于工业实时操作系统中零星任务调度需求，提出利用空闲时间动态调节零星任务算法。该算法根据零星任务到达时间随机的特点，将处理器速度调节推迟到任务到达那一刻，在任务执行完成后利用任务提前完成剩下的时间调节后续任务执行速度，并且考虑处理器通用模型，既考虑处理器的动态功耗又考虑处理器静态功耗。此外，为了平衡数控系统偶发任务的动态功耗和静态功耗，在低功耗算法中采用动态电压调节技术和关键速度，同时结合动态电源管理技术，进一步降低系统功耗。研究发现，在关键速度和传统DVS调度策略之间存在一个平衡因子。为了更好地降低系统功耗，本书提出了一种基于平衡因子的动态偶发任务低能耗调度算法——LP-DSAFST。实验表明，新算法与目前已存在的DVSST和DSTLPSA算法相比节能效果更好。

第四，基于工业操作系统对功耗和可靠性的需求，通过优化空闲时间分配策略，在保证系统可靠性的前提下最小化系统能耗。本书提出了基于滑动窗口的低功耗调度算法——LPRSW，LPRSW算法分为LPRSW-H算法和LPRSW-A算法，前者以最快速度恢复出错任务，后者在恢复出错任务时采用动态电压节技术调节后的速度。在此基础上，本书提出了一种基于滑动窗口的低功耗与可靠性协同优化调度算法——COSALPRSW，该算法用分配全局共享空闲时间给备份任务代替给每个任务都分配一个备份任务的方法，获得了更多空闲时间，以降低系统功耗，同时利用空闲时间的能耗因子将空闲时间合理分配给后续任务，实现可靠性和低功耗之间的协同优化。最后，通过算法的可调度性分析，以及仿真实验对这两种调度算法的可行性、有效性进行了验证。

第五，为了充分利用多核处理器的并行能力，同时在保证工业实时操作系统可靠性的前提下实现系统低功耗，本书提出了一种工业实时操作系统多核处理器低功耗调度算法。首先，提出了非依赖有向无环图算法，将周期性依赖任务转换为基于重定时的一组独立任务，通过任务并发执行和动态电压调节技术降低系统能耗。其次，在确保系统可靠性上，算法包括无错阶段和容错阶段两个阶段。在无错阶段，一个任务的多个副本同时运行，采用投票的办法确定任务是否被正确执行。当执行结果出现不一致时，任务进入容错模式。在容错模式下，剩余副本采用独占处理器的模式以最快速度完成容错。最后，实验表明，该算法在保证工业实时操作系统可靠性的前提下，可以降低系统能耗，相比已有算法不仅具有更高的可靠性，而且能耗更低。

第六，提出工业实时操作系统低功耗数据清洗算法。为了实现可靠、准确的数据采集，同时保证传感器的低能耗和长寿命，本书提出了节能数据清洗算法。数据清洗算法在局部传感器中进行数据清洗，采用动态电压调节和动态电源管理，在不影响系统性能的前提下，在任务调度层级上降低传感器功耗。此外，本书在网络层面提出了一种用于汇聚节点通信的低功耗协议。通过实验验证，证明了所提的算法有效性和科学性。

第七，针对数字孪生模型在工业应用中的计算效率问题，本书构建了一种基于边缘计算的工业控制系统三层架构，提出了一种面向工业实时操作系统的边缘计算检测算法，从边缘数据本身的一元离群点和边缘设备之间的多元参数相关性两个方面检测边缘数据的异常，缩短了映射延迟，减少了云中的高计算工作量。本书通过原型系统和边缘算法实验，验证了所提算法的有效性。

第八，在基于工业实时操作系统的设备应用中，边缘计算仅用于数据融合阶段，这并没有最大限度地发挥云边协同的效用。针对上述问题，本书构建了一种基于云边协同的工业控制系统架构，提出了一种基于云边协同的工业实时操作系统任务卸载方法，利用边缘计算和云计算的互补特性，为现有工业实时操作系统与工业设备融合的服务化转型提供了新的思路和途径。

第九，针对生产线中检测算法与各个生产环节相对独立、缺乏被测物体特征描述与特征匹配约束等问题，本书提出了基于数字孪生技术的三维检测算法，通过建立物理空间与虚拟空间的数字化映射，实现检测算法和设备的匹配，解决传统三维特征匹配方法中出现大量伪对应关系的问题。算法在离线环节建立被测物三维特征描述的孪生模型，是基于SHOT特征上的局部投票向量；在线检测环节仅采用一个孪生的三维投票空间，投票选出正确的匹配关系，这也降低了计算复杂度。本书将所提算法在数字孪生生产线中进行实验，通过与传统匹配方法对比，发现新算法在特征点匹配精确性、识别率方面都强于传统方法，在生产线的检测应用领域有积极的意义。

第十，人工智能芯片行业发展尚处于起步阶段，面向工业实时操作系统的人工智能芯片测评研究仍处于探索阶段，国内外均未建立完善的测评体系。针对上述问题，本书介绍了当前人工智能芯片主要的性能衡量和评价指标，总结了现有测评技术的难点，从架构、应用两个层面阐述了国内外测评研究的现状，并对现有方法进行了综合分析，对人工智能芯片测评技术未来的研究趋势进行了展望。

编著者
2024年3月