Prof. Dr. Holger Schlingloff

Präsentation zum Thema: "Prof. Dr. Holger Schlingloff"—  Präsentation transkript:

1 Software-Engineering II Eingebettete Systeme, Softwarequalität, Projektmanagement
Prof. Dr. Holger Schlingloff Institut für Informatik der Humboldt Universität und Fraunhofer Institut für Rechnerarchitektur und Softwaretechnik

2 Übersicht 0. Einleitungsbeispiel (Mars Polar Lander)
1. Eingebettete Systeme 1.1. Definitionen (eingebettetes System, Realzeit, Prozess, Steuerung, …) 1.2. Anforderungsanalyse allgemeine Vorgehensweise Beispiel Türsteuergerät systematische Ansätze; Def. Modus, Kondition, Historie Anwendungsfallbeschreibungen 1.3. Modellierung Timed Automata, UPPAAL Hybride Automaten Datenflussmodelle, SimuLink

3 Time Petri Netze Modellierung von Realzeit mit Parallelität
Bipartiter Graph aus Stellen und Transitionen; Marken repräsentieren Prozesse Jede Transition hat eine eigene Uhr; zurückgesetzt sobald schaltbar früheste und späteste Schaltzeit (Intervall [0,) Transition kann erst nach Ablauf der frühesten, muss aber nach Ablauf der spätesten Schaltzeit schalten

4 Erweiterungen Zeitautomaten sind „fast optimal“
Stoppuhren  unentscheidbar reelle Konstante  unentscheidbar variable Geschwindigkeiten unentscheidbar Hybride Automaten geringfügige Erweiterungen  Spezialprobleme entscheidbar Rechteckautomaten Automaten mit „Uhrenschlupf“

5 Hybride Automaten Anreicherung von Zeitautomaten um kontinuierliche Variablen z.B. doppelte Uhrgeschwindigkeit (multi-slope clocks) x=2 z.B. Stoppuhren (Anhaltemöglichkeit) x=0 z.B. nichtlineare Funktionen (gleichmäßige Beschleunigung) x=1 z.B. allgemeine Differentialgleichungen Zuweisungen in Transitionen Achtung: in Literatur auch „beim Betreten eines Ortes“ Spezialfall Uhrenvariable nur Zuweisungen x=0, globale Konstante x=1 x>2 / x´= 2 klick / x´= 0

6 Beispiel Füllstandsregelung
Füllstandsanzeiger Zulauf Ablauf max min Randbedingungen 0  f(t)  h 0 < f(t) < h  f´(t)= k1*z(t) – k2*a(t) Steuerfunktionalität f(t)  min  z(t) = 1 f(t)  max  z(t) = 0 mid full emty ok high low Strecke Regelung f=h / f´= – k2a f=0 / f´= k1z f<h / f´= k1z – k2a f>0 / fmax / z=0 f<max fmin / z=1 f>min

7 Katze-und-Maus-Problem
fängt die Katze die Maus oder nicht? (trifft die Abwehrrakete das Projektil oder nicht?)

8 Modellierung Differentialgleichungssystem für diese Variablen
Konstante: vk, vm, xz, yz, xm(0), ym(0), xk(0), yk(0) Geschwindigkeitsvektor Maus vm2 = xm2+ym2 xm = xz-xm(0) , ym = yz-ym(0) dmz= sqrt(xm2+ ym2) xm/ vm= xm/ dmz , ym/vm = ym/ dmz Geschwindigkeitsvektor Katze vk2 = xk2+yk2 xk = xm-xk , yk = ym-yk dkm= sqrt(xk2+ yk2) xk/ vk= xk/ dkm , yk/ vk = yk/ dkm Katze Geschwindigkeit vk Position (xk(t),yk(t)) Ziel (xz,yz) Maus Geschw. vm Pos. (xm(t),ym(t)) Differentialgleichungssystem für diese Variablen

9 hybrider Automat Konstante: vk, vm, xz, yz, xm(0), ym(0), xk(0), yk(0)
Variable: xm, ym, xk, yk, xk, yk xm = xz-xm(0) , ym = yz-ym(0) dmz= sqrt(xm2+ ym2) xm = xm * vm / dmz ym = ym * vm / dmz xk = xm-xk yk = ym-yk dkm= sqrt(xk2+ yk2) xk= xk * vk/ dkm yk= yk * vk/ dkm nahrung *: xm=xm(0), ym=ym(0), xk=xk(0), yk=yk(0), xm = …, ym=… xk=… yk=… (xm,ym)=(xk,yk) start jagd * (xm,ym)=(xz,yz) rettung

10 Pause!

11 Datenflussmodellierung
Beispiel ist stark datenorientiert Kontrollfluss nur zum Abbruch Modellierung durch Datenflussdiagramm jede „Leitung“ entspricht einer Variablen Konstante als spezielle Variable Integratoren Rückkoppelungen

12 Simulationsergebnis