Studentische Arbeiten während Corona

Das Wintersemester 2021/22 findet im Hybriden-Format statt und wird jeweils in den Vorlesungen und Seminaren bekannt gegeben. Die vom Institut für Eingebettete Systeme/Echtzeitsysteme angebotenen studentischen Arbeiten (Projekte, Bachelor- und Masterarbeiten) werden davon aber nicht beeinflusst und sind so gestaltet, dass diese auch von zu Hause durchgeführt werden können. Wir stellen unseren Studierenden die benötigten Ressourcen (FPGAs, Software etc.) bei Bedarf entsprechend zur Verfügung.

Eingebettete Echtzeitsysteme

Themenbereich Echtzeitanalyse

Um ein System analytisch auf seine Echtzeitfähigkeit zu untersuchen werden im wesentlichen drei Parameter benötigt: die Berechnungsdauern (Worst Case Execution Times), die Perioden und die Fristen der einzelnen Tasks. Bei einigen Systemen können diese Parameter dynamisch durch äußere Einflüsse variieren. Dieses Verhalten tritt insbesondere bei Motorsteuergeräten auf, bei denen die Drehzahl die genannten Parameter beeinflusst. Im Institut wurde bereits eine Analyse für solche raten-abhängigen Tasks verwendet. Dabei wird allerdings von einem identischen Wert für die Beschleunigung und dem Abbremsen ausgegangen.

Ziele

Ziel dieser Arbeit ist es, vorhandene Analysen so zu erweitern, dass unterschiedliche Werte für Beschleunigung und Bremsen angenommen werden können.

Am Institut wurde eine neue Methode zur Analyse von Echtzeitsystemen entwickelt. Das neue Verfahren erlaubt eine elegantere Modellierung dieser Systeme. Die Analyse wurde prototypisch mit einem Computeralgebra-System (CAS) implementiert. In dieser Masterarbeit soll untersucht werden wie die Implementierung bezüglich der Rechenzeit effizienter gestaltet werden kann. Dazu sollen Parallelisierungen des CAS und bereits vorhandene Compiler genutzt werden. Ggf. ist zu untersuchen ob auch auf GPUs gerechnet werden kann. Zusätzlich kann das neue Verfahren in MATLAB implementiert werden. Die unterschiedlichen Umsetzungen sind dann bezüglich ihres Laufzeitverhaltens zu vergleichen.

Um bei eingebetteten Echtzeitsystemen Energie zu sparen, probiert man unter anderem, die Prozessorleistung herabzusetzen. Damit das System noch funktioniert, müssen bestimmte Anforderungen weiterhin gültig sein. Bei Echtzeitsystemen handelt es sich hierbei in erster Linie um die fristgerechte Abarbeitung von Teilaufgaben. Für einen ideellen Prozessor bestimmte Ausführungszeiten werden mit vorgegebenen Zeitschranken verglichen und damit die Echtzeitfähigkeit des Geräts geprüft. Eine Methodik, diesen Test möglichst schnell durchzuführen und Garantien abgeben zu können, sind Ereignisströme. Aus ihnen generiert man eine Rechenzeitanforderungsfunktion, um die benötigte Rechenzeit nach oben abzuschätzen und diese mit der tatsächlich verfügbaren zu vergleichen. Aufgabe dieser Arbeit ist es, in diesen Vergleich eine Optimierung einzubauen, die die einzelnen Ausführungszeiten maximiert und die Fristen optimiert. Aufgrund der Struktur dieses Problems eignet sich hierfür eine lineare Optimierung. Sicher ist dies nicht der erste Ansatz, dieses Problem anzugehen und so ist es Teil der Aufgabenstellung, bekannte Arbeiten zu studieren und die eigene Optimierung mit den Ergebnissen der bekannten Arbeiten zu vergleichen.

Um die Echtzeitfähigkeit eines Systems gewährleisten zu können, müssen alle zu bearbeitenden Tasks innerhalb ihrer Fristen durch den Prozessor ausgeführt werden. Zu diesem Zweck wird im Wesentlichen die maximale Antwortzeit (WCRT) benötigt. Die WCRT eines Tasks ist sowohl von den Taskeigenschaften wie die Berechnungsdauer, die Periode und die Frist, als auch vom dem genutztem Schedulingsverfahren abhängig. Für die Bestimmung der WCRT einer Taskmenge, welche offline priorisiert wurde, existieren  bereits mehrere Methoden. Allerdings ist das Problem der Bestimmung der WCRT einer online priorisierte Taskmenge, wie beim Schedulingsverfahren Earliest Deadline First (EDF) noch nicht vollständig gelöst.

 

Im Rahmen der Masterarbeit soll hierzu eine Analyse entwickelt und implementiert werden, welche die WCRT einer EDF-geplanten Taskmenge bestimmt. Die Konfiguration der Ankunftsmuster der Tasks, welches die maximale Antwortzeit liefert, spielt hierfür eine entscheidende Rolle.

In einer Motorsteuerung gibt es Aufgaben (Tasks) dessen Aufrufhäufigkeit, Berechnungsdauer und Zeitfristen von der Motordrehzahl abhängt. Diese Tasks und damit die Motorsteuerung als ganzes stellt deswegen eine große Herausforderung bezüglich seiner Echtzeitanalyse dar. Im Institut für Eingebettete System wurden mehrere Echtzeitanalysen [Feld et al.] für solche ratenabhängigen Tasks entwickelt.

Um die verschiedenen Analysen zu vergleichen soll daher in einer Bachelorarbeit ein Fallbeispiel (case-study) konstruiert werden, welches möglichst realistisch eine Motorsteuerung darstellt. Dabei müssen lediglich die für eine Echtzeitanalyse notwendige (also das Zeitverhalten beschreibende) Parameter generiert werden.

Der Umfang der Arbeit kann auf eine Projektarbeit angepasst werden.

Um ein System analytisch auf seine Echtzeitfähigkeit zu untersuchen werden im wesentlichen drei Parameter benötigt: die Berechnungsdauern (Worst Case Execution Times), die Perioden und die Fristen der einzelnen Tasks. Bei Motorsteuergeräten variieren diese Parameter dynamisch in Abhängigkeit der Motordrehzahl.

Chronsim ist ein Simulationstool mit dem man das Zeitverhalten eines eingebetteten Systems simulieren kann. Im rahmen einer Masterarbeit soll ein Motorsteuergerät mit ChronSim simuliert werden. Dabei sollen die Auswirkungen der variierenden Parameter in Abhängigkeit der Motordrehzahl untersucht werden.

Themengebiet Smart Systems

In der letzten Zeit wird viel Aufwand in die Erforschung Künstlicher Intelligenz für die unterschiedlichsten Anwendungsfelder gesteckt. In dieser Arbeit soll evaluiert werden inwiefern Machine Learning genutzt werden kann, um einen Autopiloten für eine Flächendrohne zu implementieren. Der Autopilot soll automatisch einen Kurs mit konstanter Steigrate halten können und automatische Starts- und Landungen unterstützen. Nach einer umfangreichen Literaturrecherche zu diesem Thema ist eine geeignete Umgebung bzw. Plattform für machine Learning auszuwählen und in einer Matlab/Simulink Simulation zu trainieren. Die Ergebnisse sollen im Rechner demonstriert werden können aber auch auf einer am Institut vorhandenen Drohne in der Praxis realisiert werden.

 

 

Unterwasser funktioniert kein GPS. daher ist es eine Herausforderung die Position eines Unterwasserroboters zu bestimmen. In der Regel erfolgt die Positionsbestimmung von Unterwasserfahrzeugen mittels Inertial-Navigationssystemen. Laserkreisel oder mechanische Systeme, die die erforderliche Genauigkeit bereitstellen sind sehr teuer. In dieser Arbeit sollen kostengünstige Halbleitersensoren aus dem Automobilbau dahingehend untersucht werden, ob es möglich ist, mit einem lernenden Kalman-Filter die Drift der Sensoren soweit zu reduzieren, dass es möglich wird diese in einem Inertial-Navigationssystem zu verwenden.

Auf der Grundlage eines 3D-Radar-SoC (System On Chip) soll ein Antikollisionsradar für Flugdrohnen entwickelt und evaluiert werden. Dazu ist mit Hilfe eines Antennenarrays und zwei fertig auf dem SoC integrierten Sendern und vier integrierten Empfängern eine Firmware zur dreidimensionalen Objekterkennung für den im SoC vorhandenen ARM und DSP-Prozessor zu erstellen. Das Radar soll Objekte in bis zu 130 m Entfernung erkennen, deren Geschwindigkeit, Kurs und  Lage im Raum bestimmen und diese Informationen auf dem zur Verfügung stehenden CAN-Bus ausgeben. Im Rahmen der Arbeit soll das Radar zunächst am Boden und später im Flugbetrieb der Drohne evaluiert werden. Dabei stehen Fragen im Vordergrund welche Eigenschaften, die zu delektierenden Objekte idealerweise haben und wie gut die Qualität des Radars ist. Bei der Bearbeitung der Aufgabe soll stets berücksichtigt werden, dass das Radar der Vermeidung von Kollisionen im Luftraum dienen soll. 

Eine der vielen Herausforderungen der Mondlandung von 1969 war die Berechnung einer geeigneten Trajektorie vom Orbit zur Mondoberfläche. Neben der eingeschränkten Steuerbarkeit der Mondlandefähre stellt vor allem die Gravitation sowie die zeitlich variable Masse des Landemoduls (Treibstoffverbrauch!) eine Herausforderungen dar, die es zu bewältigen gilt.

 

Im Rahmen einer Projekt- oder Masterarbeit sollen alternative Ansätze zum Bestimmen geeigneter Landetrajektorien untersucht werden, deren Einsatz erst durch die gesteigerte Rechenkapazitäten heutiger Desktop-PCs möglich geworden sind.

 

In jeweils einer eigenständigen Arbeit soll das Problem der Trajektorienberechnungeinmal als Optimalsteuerungsproblemaufgefasst werden und in einer weiteren Arbeit  mit Hilfe von Deep-Learning-Verfahrenuntersucht werden.

Ziel der Arbeit ist es, die mit Hilfe dieser Verfahren berechneten Trajektorien, mit den Ergebnissen von 1969 zu vergleichen und zu evaluieren.

 

In der Masterarbeit soll mit Hilfe der Aerodynamik-Toolbox und den dazugehörigen Simulinkblöcken eine Fluglageregelung für Flugdrohnen entwickelt werden. Dazu sind zunächst die aerodynamischen Eigenschaften mit einer geeigneten Software aus einem gegebenen CAD-Modell abzuleiten einen  Simulinkmodell zu integrieren. Auf der Grundlage der physikalischen Eigenschaften der Drohne ist dann ein geeignetes Reglerkonzept zu entwickeln und in der Simulation zu erproben. Mit Hilfe des Real-Time Coders soll dann automatisch die Flugsteuersoftware der Drohne generiert und auf einem geeigneten Mikrokontrollerboard ausgeführt werden. Die Drohne soll dabei vorgegebene Wegpunkte geregelt anfliegen können. Im Rahmen einer Flugerprobung sind dann die auftretenden Kräfte zu messen und anschliessend die Ergebnisse der Simulationen mit den Flugtests zu vergleichen. Dieser letzte Schritt erfolgt wieder mit der Aerodynamik-Toolbox für MATLAB.

Kontakt

Mohammadreza Sadeghi, M.Sc.

Raum O27/316

Institut für Eingebettete Systeme / Echtzeitsysteme
Universität Ulm

89069 Ulm

Tel.: +497315024184
Fax: +497315024182

mohammadreza.sadeghi(at)uni-ulm.de

Marco Philippi

 

Raum O27/316

Institut für Eingebettete Systeme/Echtzeitsysteme

Fakultät für Ingenieurwissenschaften, Informatik und Psychologie
Universität Ulm

Albert-Einstein-Allee 11, 89081 Ulm

Tel.: +49 731 50 24177