基于广义随机Petri网的MVB网络吞吐性能分析

MVB网关技术、虚拟现实技术等

第3 2卷第 5期20 0 8年 1 O月Q

北

京

交

通

大

学

学

报

V 1 2N . 0. 。 5 3Oc .2 0 t 08

△ Q￡旦E! jI JN△0T DNG UNI VER I S TY

文章编号：6 3 0 9 (0 80—0 8 0 17—2 12 0}50 9—4

基于广义随机 P ti的 MV网络吞吐性能分析 er网 B王永翔，立德王(京交通大学电气工程学院，北北京 10 4 ) 0 04

摘

要：于 P t网模型的建模分析方法，多功能车辆总线网络的吞吐性能进行了分析 .先建基 er i对首

立了 MV B网络的广义随机 P t网( S N)型， er i GP模并逐步压缩和简化以便于分析 .后在随机离散之

有穷状态马尔可夫过程理论基础上，对该模型进行分析计算 .同时采用了随机 Pt网计算机辅助分 er i析软件 Tm N T建立模型和仿真 .出了 MV ie E给 B网络单纯过程数据的报文吞吐量，有效数据传输能力

和带宽利用率等性能参数 .结论指出广义随机 Pt网是对网络协议进行分析的有效工具. ei r 关键词：电气工程；多功能车辆总线；义随机 P t网模型；能分析；广 er i性仿真中图分类号： P 9 .4 T 33 0文献标志码： A

A PN- s d Th o g p tPe f r a c GS Ba e r u h u r o m n e Ana y i fM VB l ssoW AN G o g a g,W AN G Li e Y n xi n d(c ol f l tcl n ier g B i gJ oogU i r t, eig10 4, hn ) Sh o o e r a E g ei, ei i tn nv sy B in 0 0 4 C i E ci n n j n a ei j a

A b ta t Ths p p ra ay e h h o g p tp ro ma c f M sr c: i a e n l zd t e t ru h u ef r n e o VB sn h n rlStc a t er t u ig t e Ge ea o h s i P tiNe c

( S N)m to . h S N m e o B W r t n o pe e r nl i T e em dl s g GP e d T eG P o l f h d MV a c a dadcm rs df a s . h nt oe ui s ee s oa ys h nt e S o h

sial so tn o s F nt tt ak v Prc s h o y wa n lz d a d c lu ae .te mo e s h t a t l Di n iu u iie S ae M r o oe s t e r sa ay e n ac lt c c y c d h d l i smua e y u i g t e Ti NET o t r a k g i lt b sn h me d sfwaep c a e.Th eu t n l d ee rm h o g p ro ma c n er s sicu etlg a t r u h utp fr n e a d l e t e efcu ld t rn miso a a iy a d b d d h u a e rt r rs n e h fe t a aa ta s sin c p ct n a wi t s g ae we ep ee td.Thec n lso h wst a n o cu in s o h t t e GS h PN d li mtd f rte a ay i fc mmu ia in p o o o . mo e s e o h n s o o s l s n c t r t 1 o c Ke r s: lc rc le g n e i y wo d ee t ia n i e rng;mu f n to e il s e e a t c a t e r e de;p r hiu c in v h ce bu;g n r s o h s i p tin t mo l e— l c f r n e a a y i;smua i n o ma c n l ss i lto

多功能车辆总线 ( hfnt n V hc u, Mu i ci eieB s u o l Mv ) B是特别为铁路机车和车辆控制系统设计的实时现场总线 .于分布式控制的 MVB是 IC 17 .基 E 63 51 1 9 )车通信网络 ( ri C mmu i t n N t (99列 Ta o n nc i e. ao w r,T N) ok C国际标准的推荐方案，与绞线式列车它

性要求的互连设备之间的串行数据通信，合用作适车辆总线 . MV B采用主从工作模式，同一时刻只有一个设

备成为主设备 .由主设备发送主帧，个从设备发送各从帧进行响应 .主帧和相应的从帧组成报文 . B MV

总线 ( rdT a u,WT ) Wi ri B s e n B构成的列车通信总线

报文分为过程数据报文，消息报文和监视报文 .文本主要讨论在主从工

作模式下， MVB网络单纯过程数据的通信性能… . 网络系统的通信活动是一个比较复杂的过程，在各种分析方法中， er网以其较强的对并发、 Pt i异

具有实时性强、可靠性高的特点 .由于 MV B满足列车车辆的现代化发展对可靠性、安全性和通信实时性的要求， MV使 B逐渐成为下一代车辆的通信总线标准 . B作为快速的过程控制优化的总线， MV能提供最佳的响应速度，主要用于有互操作性和互换

步系统的建模和分析优势被广泛应用 l引. _本文作者 2 _

收稿日期：o 80—5 2o—51基金项目：部科技研究开发计划项目资助 (0 5O O铁道 2 o J2 )

作考简介：王永翔 (9 )男， 18,山西长治人，博士生 .mal0 17 9@bt.d .n e i 4 12 3 j eu c: u王立德 (9 o )男，京市人，授，士生导师 . 1 6一，北教博

MVB网关技术、虚拟现实技术等

第 5期

l翔等：于广义随机 P t网的 MV !水 er i B网络乔吐性能分析

首先建立了 MVB网络单纯过程数据通信的 G P SN模型及简化模型，之后分别采用了分析和 T m NE ie T软件建模仿真 H的方法，到了 MV J得 B网络单纯过程数据通信的性能 .

T: T 4与 3相反，示该查询主帧在网络的传输表过程中丢失或者从设备不存在其要查询的逻辑端口； T:示从设备响应的从帧的发送过程，均 5表平速率 r MH; 5 z T: 6表示从帧被 MV B主接收到，并且退出接收

斗一\/r爻一 1、上 ●一、、 、 一\ .

1 MⅦ的 G P S N模型及其化简GS N模型由变迁、置及连接变迁和位置的 P位弧构成 ll 本文中采用 P表示位置， 5. 5 T表示变迁 .在图形表示上，随机时间变迁采用空心细长方形表示， 固定时间变迁采用实心细长方形表示，时变迁采瞬用细线段表示 .机开关采用 S表示 .随 1 1 MV网络的 G P . B S N模型

超时计数器，进入等待下一次主帧发送到状态；T: 7表示从设备进入等待发送从帧状态； T: 8表示从帧位于网络上，并被 MV B主成功地接收到； T: 9表示从帧在传输的过程中丢失 . 其中

, 3和 T, 8和 T T 4T 9构成随机开关，示表了数据帧在网络的传输中可能因为受到干扰而丢失 .( ) s4表示主帧丢失或从设备不具备所查询端口 的概率， ( ) S 8表示从帧丢失的概率 .1 2 MV S N模型压缩 . BG P

图 1给出了一个简单 MVB网络的 G P S N模型，模型表示了一个 MV该 B主设备轮询一个 MV 一 B过程数据逻辑端口的过程 .模型拥有 8个位置和该9个变迁，变迁又分为 3个随村 H间变迁和 6个瞬 Lt,时变迁 .它们的意义分别为：

善

图1所示的 G P S N模型状态空间很大，导致难

十分析，因此对于模型的压缩和化简是十分必要的 . 在图 1,中由于从设备的从帧发送完毕 ( 7到回 P)到准备好发送下一个从帧 ( 4的时间相对于随机时 P)间变迁 T、 2 T lT、 5的延时很短，可以忽略，因此变迁

T成为瞬时变迁 . 7同时，表从设备行为的 P、 5代 4T、 f和 T构成了一个自环 (e oD .自环对于整 y 7 7 Sl L o )该 f个网络的性能分析来说可以被移除 .据 P t网的依 ei r压缩理论 _, 5对图 1 _的模型进行化简得到图 2 .图 1简单 MV B网络的 G P@ N模型Fi 1 GSPN M o lo i pe g. de fa sm l M VB e wo k n t r

P:示 MV 1表 B丰设备准备发送丰帧；P: 2表示主帧已经发送完毕， MVB主设备等待响应从帧；

P: 3表示 MV B主帧在网络上传输； P: 4表示从设备准备好相应的从端口数据； P:示 MV 5表 B主帧从主设备发出到从设备收到的过程；图 2压缩后的 MV B网络的 G P模型 SNFi 2 GSPN o e fc m p c e M g. m d lo o a t d VB

P:示 MV 6表 B从帧在网络上传输； P:示从没备发送从帧完毕； 7表 P:示 MVB从帧自从设备发出到主设备收 8表到的过程；

图 2中，主帧是否能够被从设备收到和从帧把是否能够被主设备收到两个随机开关合并为一个随机开关 S . 4表示主帧或者从帧在通信过程中丢 s ( )失的概率 . 2所示的模型中，迁 T图变 4在触发时，

整个模型的标识将丢失，即该 G P不是活性的， SN因此还不能用 G P S N模型分析技术进行 MV B网络

T:示 MVB主设备发送主帧， 1表其平均速率为1 Hz M;

T: 2表示 MVB主设备对于接收响应从帧的超

的性能分析，需要进一步的对模型进行化简 .1 3活性简单 MV网络的 GS N模型 . B P

时，如果超时则要准备下一次 MV B主帧的发送，其平均速率为 r MH;, z

如前所述，引入随机开关表示 MV B主、帧是从

T: 3表示 MV B主帧能成功地被从设备接收，从设备具有该丰帧所要查询的逻辑端口， l}为源端口. j

否能成功传输，图 2模型化简并重新进行编号得对到活性简单 MV B网络的 G P S N模型见图 3 .

MVB网关技术、虚拟现实技术等

0 0

北

京

交

通

大

学

学

报

第3 2卷

( ), 2 S 3} d是陷阱概率向量表示从 S T 2} d={ ( ), 2中的状态到 S i的转移概率 . 2状态PlPl M l l

P 20

P30

P 4O

肘2 3M

0 00

1 OO

0 1O

O O1

图 4 MV B网络的 G P s N模型的可达集图 3活性简单 MV网络的 G P B S N模型Fi 3 GS g. PN o e fa lv i pe M B n t r m d lo iesm l V e wo k F g. GSPN mo e fa l e smp e M B n t r i 4 d lo i i l V e wo k v

P: 1表示 MV B主设备准备发送主帧；

P: 2表示 MV B主帧位于传输网络上； P: 3表示 MVB主帧被从设备成功接收，且响并应从帧也被主设备收到；P: 4表示 MVB主帧在网络传输中丢失，或从设备没有相应的源端口，响应从帧在传输中丢失；或 T: l表示 MVB主设备发送主帧，平均速率为其r H z lM;Fi 5 Re c be g a ft e VB PN o e g. a ha l r ph o h M GS m dl

T、 3表示 MV 2T: B通信过程是否正确，随机与开关 S 2和 S 3绑定 . () () T: 4表示一次完整的正确的 MV B报文传输，其

可得和如下 3 1 一

0、

平均速率为 r MH,值要依赖于 MV z该 B报文的功能码来确定； T: 5表示 MV B通信过程中存在数据帧丢失，导

M, ( ) S 3 S 2 ( )考虑时间变迁，则有 A= M1一 r) ( 1,

1,= 0 。 (0) 。㈩ 1= ( 0 0 1 ) () 2

致 MVB主设备等待超时，备发送下一帧，平均准其速率为 r MH . 5 z

2 MⅦ网络的 GS N模型分析 P采用 G P模型进行系统性能分析的第一步 SN

M I I, ￣2,

:

0

2 0

l _ ㈥ 0 r0 ) 51 0、 ,r、

一

0

0 )

.

、●●/

K= ( ( ) 1 S2 r/r\ 4=

是稳态概率的求解 .解 G P的稳态概率分布的求 SN基本思路是先将 GS N同构于嵌入马尔可夫链 P

\, I} r/ E斗

E MC,后求解相应的 E然 MC.前有两种求解目 GP S N稳态概率的方法，一种是基于从 E第 MC中移去消失状态，在压缩的 E仅 MC上计算实存状态之

K P,一，,:f,K D\ 0

可得到压缩状态转移速率矩阵

间的转移概率 .另一种是在随机离散有穷状态马尔可夫过程 ( tcat a y D so t u u ii tt Soh s cl i ni o sFnt Sae i l c n e Mak vPoesS F MP基础上给出的算法 l . ro rcs, D S ) 本

r 1 S2 r S 3 r、—r ( ) 1 ( ) l

A=I r 4r 5

一r 40

0 I 一 r 5

() 5

文将利用后者进行 MV B网络的性能分析，面分后析过程中所提及的相关符号意义可查阅文献[] 5.

令 Y=( M 1, M3, M4 )则有 P( ) P( ) P( ),Y =0 P( 1 A, )+P( )+P( )= 1 ( ) M3 M4 6

构造出 MV B网络的 G P S N模型的可达集 s={ 1 M2 3 4如图 4所示 . ,,,} 将可达集 . s分类： l{} S={,, S= Ml, 2 M2 M3 }且有可达关系如图 5可以得到两个遍历状态， .3:

解此方程可得实存状态的稳定状态概率为P( )= M1 P( )= M3P( )= M

和 4因此 S可进一步分为 S1 M3, 2, 2 2={} S2

{ 4, 2:{ 2, 2是消失状态集合 d={ } S r } . s7 T l S

MVB网关技术、虚拟现实技术等

本文来源：https://www.bwwdw.com/article/0fp1.html