• 中国科技核心期刊
  • Scopus收录期刊
  • DOAJ收录期刊
  • JST收录期刊
  • Euro Pub收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于周期分解的无人系统协同任务响应时间评估方法

高晨,  寇小明,  吴斌

高晨, 寇小明, 吴斌. 基于周期分解的无人系统协同任务响应时间评估方法[J]. 水下无人系统学报, 2026, 34(6): 1-10 doi: 10.11993/j.issn.2096-3920.2026-0145
引用本文: 高晨, 寇小明, 吴斌. 基于周期分解的无人系统协同任务响应时间评估方法[J]. 水下无人系统学报, 2026, 34(6): 1-10 doi: 10.11993/j.issn.2096-3920.2026-0145
GAO Chen, KOU Xiaoming, WU Bin. Task Response-Time Assessment Method for Coordinated Tasks in Unmanned Systems Based on Period Decomposition[J]. Journal of Unmanned Undersea Systems. doi: 10.11993/j.issn.2096-3920.2026-0145
Citation: GAO Chen, KOU Xiaoming, WU Bin. Task Response-Time Assessment Method for Coordinated Tasks in Unmanned Systems Based on Period Decomposition[J]. Journal of Unmanned Undersea Systems. doi: 10.11993/j.issn.2096-3920.2026-0145

基于周期分解的无人系统协同任务响应时间评估方法

doi: 10.11993/j.issn.2096-3920.2026-0145
详细信息
    作者简介:

    高晨:高 晨(2002-), 男, 硕士在读, 主要研究方向为装备测试技术

Task Response-Time Assessment Method for Coordinated Tasks in Unmanned Systems Based on Period Decomposition

  • 摘要: 无人系统协同任务若未在响应时限内完成, 超时处置可能改变任务链执行路径并影响任务目标达成。因此需估计给定时限下的超限概率, 也需确定允许超限概率对应的任务响应时间; 当允许超限概率极小时, 有限样本超限观测不足, 经验估计难以稳定获得对应时间。对于含单一主导周期服务环节的任务, 跨周期等待使上述关系呈阶梯变化。为此, 提出基于周期分解的无人系统协同任务响应时间评估方法, 将任务响应时间分解为整数周期层和周期内余量, 分别采用极值理论建模, 并利用并集上界重构任务响应时间与超限概率的估计关系。采用同一水下无人系统任务结构的6种模拟配置, 以独立大样本经验曲线为参照验证。结果表明, 在允许超限概率10−4~10−6范围内, 所提方法的曲线距离中位数为1.131个周期, 低于对照方法; 在10−6时, 任务响应时间估计的相对误差中位数为6.63%。该方法不要求两个分量相互独立, 可为含周期服务环节的无人系统协同任务响应时限评估提供量化依据。

     

  • 图  1  响应时限取值与超限概率的对应关系

    Figure  1.  Relationship between task response time limit values and exceedance probability

    图  2  周期服务下任务响应时间的概率密度示意

    Figure  2.  Schematic probability density of task response time under periodic service

    图  3  6种配置下任务响应时间与超限概率关系曲线比较

    Figure  3.  Comparison of task-response-time–exceedance-probability curves under six configurations

    图  4  不同配置和重复样本下的曲线距离

    Figure  4.  Curve distances across configurations and repeated samples

    图  5  有限样本极值估计与大规模样本直接经验估计误差

    Figure  5.  Errors of finite-sample extreme-value estimation and large-sample empirical estimation

    表  1  典型协同任务的响应时间构成

    Table  1.   Composition of response time for typical cooperative tasks

    典型任务发起事件完成事件主要环节等待因素
    导航状态更新新传感器数据到达或
    更新周期触发
    融合状态发布
    并可供控制使用
    传感器、融合、控制数据齐备、时间对齐、
    融合处理
    控制指令执行控制指令生成或接收执行动作完成
    并形成状态确认
    决策、控制、
    执行、反馈
    调度窗口、资源占用、
    状态确认
    载荷数据回传数据采集或预处理完成接收端获得规定数据或确认载荷处理、传输、接收链路时隙、重试、
    接收确认
    故障处置异常监测条件触发隔离、切换或恢复状态成立监测、诊断、隔离或
    切换、恢复
    状态确认、恢复重入
    协同信息交互状态交换或协同请求发出协同结果形成或
    资源协调确认
    状态交换、资源协调、结果汇聚数据同步、资源可用
    下载: 导出CSV

    表  2  模拟任务的完整参数与运行规则

    Table  2.   Complete parameters and operating rules of the simulated mission

    项目设置
    任务与服务5个端点, 每端点3次有效报告; 周期25 ms、应答窗口5 ms; 相位始于调度器自检结束; 全部应答调度完毕并完成50 ms控制处理时结束。
    固定时延同步、数据、应答及初始等待分别为1、2、2、10 ms; 总线非抢占, 同步优先, 其余消息按入队顺序服务。
    上电与自检控制上电均值15 ms; 端点1~5自检均值30、40、5、10、35 ms, 调度器15 ms; 以上时延为高斯抽样, 标准差为均值的10%, 夹持至均值±2个标准差且不小于1 ms。
    6种配置上电端点初次及恢复上电采用对数正态时延, 不小于1 ms; 配置1~6名义均值为12.5、14.0、15.5、17.0、18.5、20.0 ms, 变异系数为0.2125、0.2840、0.3685、0.4660、0.5765、0.7000。
    报告处理端点1~5每次收到同步后分别处理5、8、11、14、17 ms, 完成后提交数据报告。
    通信与重试传输成功概率0.99; 非同步消息在传输成功后的校验成功概率0.995。失败消息保留队首重试, 连续2次失败切换通道, 增加3 ms等待。
    恢复规则看门狗40 ms, 有效报告重置计时; 超时清零报告计数和待应答状态, 重新上电、自检并等待同步; 已入队消息保留。
    随机数与终止配置序号j取1~6, 分析与参照种子基数分别为2×109+2×107j和108+1.2×108j; 第i次运行用基数+i, i从0起。队列、事件堆及单次事件数上限分别为32、4096和2×105, 溢出即停止生成。
    下载: 导出CSV

    表  3  5种方法在60组有限样本下的评价结果

    Table  3.   Evaluation of five methods on 60 finite-sample datasets

    方法 有效组数 中位数
    /周期
    90%分位数
    /周期
    10−6处低于
    参照/组
    周期分解 60/60 1.131 2.463 41/60
    直接BM-GEV 60/60 1.853 3.748 47/60
    POT-GPD 60/60 2.824 78.525 15/60
    RESTK 60/60 2.736 6.408 28/60
    阈值筛选-Gumbel 60/60 11.951 15.486 0/60
    下载: 导出CSV

    表  4  超限概率分配、样本量和块大小的灵敏度分析

    Table  4.   Sensitivity to probability allocation, sample size and block size

    因素设置曲线距离中位数/周期取值范围/周期
    概率分配ρ0.21.7451.102~7.680
    0.51.4460.593~4.885
    1.01.6680.391~3.387
    样本量5×1041.6440.699~6.122
    1051.4460.593~4.885
    2×1051.1570.614~5.129
    块大小504.7800.713~26.370
    1001.4460.593~4.885
    2001.7800.543~6.170
    下载: 导出CSV

    表  5  各配置经验参照的逐点95%任务响应时间区间(ms)

    Table  5.   Pointwise 95% reference intervals of task response time (ms)

    配置10−410−510−6
    1[738.695, 738.987][865.010, 865.711][990.504, 992.431]
    2[717.261, 735.656][859.000, 863.119][966.516, 989.164]
    3[717.694, 720.015][841.785, 861.972][966.745, 990.351]
    4[739.650, 740.043][866.104, 868.908][992.705, 1016.684]
    5[761.867, 763.242][890.653, 892.670][1017.830, 1042.941]
    6[766.930, 767.912][916.260, 937.448][1064.326, 1112.614]
    下载: 导出CSV
  • [1] 高煜, 肖俏, 王超峰. 时变水声信道下基于多智能体强化学习的水声网络跨层传输调度方法[J]. 水下无人系统学报, 2025, 33(2): 261-271. doi: 10.11993/j.issn.2096-3920.2025-0015

    Gao Y, Xiao Q, Wang C F. Cross-layer transmission scheduling method for underwater acoustic networks based on multi-agent reinforcement learning under time-varying underwater acoustic channels[J]. Journal of Unmanned Undersea Systems, 2025, 33(2): 261-271. doi: 10.11993/j.issn.2096-3920.2025-0015
    [2] Bai W G, Wang H Y, Shen X H, et al. Minimum delay multipath routing based on TDMA for underwater acoustic sensor network[J]. International Journal of Distributed Sensor Networks, 2016, 12(2): 1394340. doi: 10.1155/2016/1394340
    [3] Lu Y, Nolte T, Bate I, et al. A statistical response-time analysis of real-time embedded systems[C]//2012 IEEE 33rd Real-Time Systems Symposium, 2012: 351-362.
    [4] Liu M, Behnam M, Nolte T. An EVT-based worst-case response time analysis of complex real-time systems[C]//IEEE International Symposium on Industrial Embedded Systems, 2013: 249-258.
    [5] Mostafavi S S, Dán G, Gross J. Data-driven end-to-end delay violation probability prediction with extreme value mixture models[C]//The Sixth ACM/IEEE Symposium on Edge Computing, 2021: 416-422.
    [6] Vilardell S, Serra I, Mezzetti E, et al. Using Markov's inequality with power-of-k function for probabilistic WCET estimation[C]//34th Euromicro Conference on Real-Time Systems, 2022, 231: 20: 1-20: 24.
    [7] Griffin D, Burns A. Realism in statistical analysis of worst case execution times[C]//10th International Workshop on Worst-Case Execution Time Analysis, 2010, 15: 44-53.
    [8] Hitz A S, Davis R A, Samorodnitsky G. Discrete extremes[J]. Journal of Data Science, 2024, 22(4): 524-536.
    [9] Lu Y C, Cheng L, Wu J B, et al. Task-oriented adaptive dive tracking control for autonomous underwater vehicle with system uncertainties and disturbances[J]. Ocean Engineering, 2025, 331: 121243. doi: 10.1016/j.oceaneng.2025.121243
    [10] Gribova V V, Shalfeeva E A, Filaretov V F, et al. The method of intelligent mission planning for autonomous underwater vehicles[J]. Informatics and Automation, 2025, 24(5): 1257-1283. doi: 10.15622/ia.24.5.1
    [11] 曹迟, 史文涛, 王百合, 等. 无人水下航行器反潜作战模型仿真[J]. 水下无人系统学报, 2025, 33(1): 156-163. doi: 10.11993/j.issn.2096-3920.2024-0116

    Cao C, Shi W T, Wang B H, et al. Simulation of anti-submarine warfare model of unmanned undersea vehicles[J]. Journal of Unmanned Undersea Systems, 2025, 33(1): 156-163. doi: 10.11993/j.issn.2096-3920.2024-0116
    [12] ARINC653P1-6 Avionics Application Software Standard Interface, Part 1, Required Services[S].
    [13] AS6802A Time-Triggered Ethernet[S].
    [14] Coles S. An introduction to statistical modeling of extreme values[M]. London: Springer, 2001.
  • 加载中
计量
  • 文章访问数:  3
  • HTML全文浏览量:  0
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2026-08-20
  • 修回日期:  2026-10-23
  • 录用日期:  2026-10-29
  • 网络出版日期:  2026-11-17
图(5) / 表(5)

目录

    /

    返回文章
    返回
    服务号
    订阅号