基于有限狀態機的軌道交通多功能車輛總線網絡動態性能仿真分析

王 健 滕萬秀 張 鐳

(中車長春軌道客車股份有限公司國家軌道客車工程研究中心， 130062， 長春∥第一作者, 工程師)

MVB(多功能車輛總線)作為連接車輛內設備的網絡，目前在城市軌道交通列車和高速鐵路列車上都得到了廣泛的應用[1]。MVB網絡性能的預測和分析在MVB網絡系統設計中起著重要作用。在購買昂貴的硬件構建實際系統之前，仿真建模是預測和分析MVB的有效方法。

文獻[2]采用GSPN(廣義隨機Petri網)方法，利用TimeNET軟件包建立模型，計算分析了吞吐性能、有效數據傳輸能力和帶寬使用率。文獻[3]引入OPNET軟件模擬基于通用總線的TCN(列車通信網)車輛級總線，通過對比幾種不同的列車通信網絡拓撲模型，驗證了模型的合理性。文獻[4]基于Matlab/Simulink軟件，從節點的角度建立了發送機和接收機的狀態機模型。為了提高MVB網絡性能，本文提出了一種全新的評價MVB網絡實時性能的方法。該網絡模型是采用Stateflow工具箱，利用FSM (有限狀態機)理論建立的。與上述模型相比，該模型利用更為成熟的軟件工具箱，可用于分析影響MVB網絡動態性能的因素。

1 MVB網絡動態性能評價指標

MVB網絡的動態性能可以通過網絡效率、網絡利用率和網絡吞吐量等指標進行評價。上述指標計算時需要利用MVB周期的概念。

1.1 MVB周期

MVB通信分為若干個周期，其中，最短的稱為基本周期Tbp，它包括1個周期相(用于過程數據)和1個偶發相(用于消息數據)。主設備周期數據的特征周期Tip輪詢每個周期數據，Tip為基本周期的2n倍，其中n為正整數。將MVB上所有節點的最長特征周期定義為宏周期Tmacro，即MVB完成一次完整通信所用的時間。

1.2 網絡效率

網絡效率采用MVB一次完整通信中所有報文發送有效數據的傳輸延時之和與全部報文總傳輸延時的比值表示，并且采用1個宏周期內的延時數據進行計算。

單個報文的有效數據傳輸延時Te為：

(1)

式中：

Ne——報文中有效數據的位數；

V——MVB通信速率。

單個報文的總傳輸延時Tt為：

(2)

式中：

Nm——主幀數據的位數，取定值33；

Ns——從幀數據的位數；

Tr——應答延時，表示從主幀結束到從幀開始時段內可能的最大延時，見式(3)。

Tr=TrptNrpt+TwstL

(3)

式中：

Trpt——單個中繼器可能引入的最大延時；

Nrpt——MVB中的中繼器個數；

Twst——最差情況下單位長度線纜引入的延時，一般取6 μs/km；

L——線纜長度。

網絡效率ξe為：

(4)

式中：

M——總線上的設備數量；

Tmacro——宏周期，即MVB上所有節點的最長特征周期;

Tip,i——設備i的特征周期；

Tep,i——設備i的過程數據的有效數據傳輸延時；

Tes,i——設備i的消息數據的有效數據傳輸延時；

Ttp,i——設備i的過程數據的總傳輸延時；

Tts,i——設備i的消息數據的總傳輸延時，計算方法如式(1)—式(3)所示。

1.3 網絡利用率

網絡利用率ξu表示有效數據對網絡帶寬的利用程度，可以采用MVB一次完整通信中網絡傳輸有效數據時間與宏周期的比值表示，其計算方法為：

(5)

1.4 網絡吞吐量

網絡吞吐量Qe采用MVB一次完整通信中網絡傳輸有效數據總量與宏周期的比值表示，表征MVB的有效數據傳輸能力，其計算方法為：

(6)

式中：

Nep,i——設備i的過程數據的有效數據位數；

Nes,i——設備i的消息數據的有效數據位數。

2 MVB網絡模型的整體架構

本文基于FSM(標準模型擴展)理論，利用Stateflow工具箱，在Matlab/Simulink平臺上模塊化建立MVB網絡模型。FSM是一個抽象的數學模型，它由有限狀態(包括初始狀態和1個或多個結束狀態)組成。1組輸入事件、1組輸出事件或1個狀態轉換函數可以觸發模型將一個狀態轉換到另一個狀態。該模型以模塊的形式建立，共分為4個模塊，包括總線模塊、信號源模塊、主設備模塊和從設備模塊。MVB網絡模型的整體架構如圖1所示。

圖1 MVB網絡模型的整體架構Fig.1 Overall architecture of MVB network model

2.1 總線模塊

總線模塊包括模擬各設備的訪問權限、MVB的傳輸延時等功能，并記錄傳輸數據以監控MVB上的數據流。總線模塊接收到的數據有4種訪問方式。符合數據類型條件的數據可以通過相應的訪問方式獲得對總線模塊的訪問權限。函數“send=slave(data)”和“send=master(data)”可處理接收到的數據，并將數據包分配給目標設備。函數“t1=delay(length)”模擬總線造成的延時。函數“data=readframe()”負責計算網絡動態性能評價指標，包括網絡效率、網絡利用率和網絡吞吐量等，計算方式見式(4)—式(6)。

總線模塊的工作方式如圖2所示。

圖2 總線模塊的工作方式Fig.2 Operation mode of bus module

2.2 主設備模塊

主設備模塊是一個時間觸發邏輯設備，它能夠分配帶寬，生成調度算法，制定過程數據和消息數據的輪詢策略。基于時間觸發機制建立MVB網絡模型。如圖3所示，主設備模塊有1個輸入端口，用于接收來自總線模塊的幀；同時其有2個輸出端口，分別生成主幀和相轉換觸發器。在主設備模塊的基本周期劃分模塊中，周期時間開關用于將基本周期劃分為周期相和偶發相。

圖3 主設備模塊的工作方式Fig.3 Operation mode of master device module

2.3 從設備模塊

從設備模塊根據設備狀態(發送或接收)和時間相(周期相或偶發相)的不同，包含4種數據訪問方式，如圖4所示。函數“senddata=pack(vals) ”

圖4 從設備模塊的工作方式Fig.4 Operation mode of slave device module

將端口存儲或消息數據隊列中的數據打包，作為從幀發送。函數“receivedata=store(vals)”識別接收到的幀數據并存儲在一起，然后由從設備進行接收。

2.4 信號源模塊

信號源模塊的功能是模擬速度傳感器、壓力傳感器、閥門等產生的信號。根據IEC 61375-1: 2012 Railway equipment-Train communication network (TCN)-Part 3-1: Multifunction Vehicle Bus (MVB)，信號源模塊包括過程數據信號模塊和消息數據信號模塊兩部分。因過程數據是周期性的，故采用周期函數發生器來模擬過程數據的信號。從設備以端口存儲的形式存儲過程數據，即讀取端口存儲值時，存儲值不發生變化，但一旦被寫入，該值就會被覆蓋。根據數據類型和設備的不同，可以配置過程數據的大小和特征周期。由于消息數據是非周期性的，消息數據到達的時間間隔服從泊松分布。采用服從泊松分布的隨機數字函數發生器來模擬消息數據的信號。消息數據以隊列形式存儲，可以配置消息數據的大小和頻率。

3 MVB模型系統仿真分析

3.1 MVB模型系統的基本參數

考慮到實際車載網絡環境下的典型數據流和網絡拓撲特點，采用某6節編組地鐵列車MVB組網并進行簡化，作為MVB模型仿真系統的參數選擇基礎。仿真中的MVB通信系統包括1條MVB、1個主設備和若干從設備，且該系統采用EMD(電氣中間距離)介質。MVB通信速率為1.5 Mbit/s，基本周期為1.0 ms，周期相為0.65 ms，偶發相為0.35 ms。每個設備產生過程數據的特征周期(宏周期)為256 ms，模擬時間設置為1 024 ms，產生消息數據的到達率為0.1幀/ms。

3.2 從設備數量對MVB網絡動態性能的影響分析

將每個從設備產生的過程數據均設置為256位，總線中有1個中繼器，線纜長度為100 m。仿真分析不同從設備數量下，MVB網絡的動態性能評價指標的變化如圖5所示。

由圖5可見，網絡吞吐量和網絡利用率隨設備數量的增加而增長，而網絡效率則緩慢下降。究其原因主要是由于網絡吞吐量和網絡利用率的大小取決于網絡負載量，而網絡效率的大小取決于幀的長度。設備數量的增加與幀長度無關，反而會導致用于尋找等待設備的輪詢幀數量增加。相較設備數量增加前的MVB網絡，輪詢幀數增加，而有效數據大小不變，這將不可避免地導致網絡效率降低。

圖5 從設備數量對MVB網絡動態性能的影響Fig.5 Impact of slave device number on the dynamic performance of MVB network

3.3 數據長度對MVB網絡動態性能的影響分析

將從設備數量設置為12，總線中有1個中繼器，線纜長度為100 m。仿真中，過程數據的長度分別為16 bit、32 bit、64 bit、128 bit、256 bit時，MVB網絡動態性能評價指標變化如圖6所示。

圖6 過程數據長度對MVB網絡動態性能的影響Fig.6 Impact of process data length on the dynamic performance of MVB network

由圖6可見，隨著過程數據長度增加，網絡利用率、網絡效率和網絡吞吐量逐漸提高。過程數據的增加相當于過程數據的網絡負載增加，故網絡吞吐量也隨之增長。為提高MVB的網絡利用率和網絡效率，建議將盡可能多的數據打包成同一個數據幀。

3.4 傳輸介質對MVB網絡動態性能的影響分析

將從設備數量設置為12，傳輸介質分為3種條件：①1個中繼器，100 m長線纜；②2個中繼器，150 m長線纜；③3個中繼器，180 m長線纜。仿真中，過程數據長度分別為16 bit、32 bit、64 bit、128 bit、256 bit時，上述3種傳輸介質的MVB網絡效率，見圖7。

由圖7可見，隨著中繼器數量和線纜長度的增加，MVB的網絡效率越來越低，這是因為中繼器數量和線纜長度的增加導致應答延時的增加。此外，隨著過程數據長度的增加，不同傳輸介質條件下的網絡效率都隨之提高，從而使傳輸介質對網絡效率的影響有所緩解。因此，將特征周期相同的過程數據打包為同一個數據幀有利于網絡效率的提升。

圖7 傳輸介質對MVB網絡效率的影響Fig.7 Impact of transmission medium on the dynamic performance of MVB network

4 結語

本文對MVB網絡動態性能的仿真分析方法進行了研究。選取了網絡效率、網絡利用率及網絡吞吐量等影響MVB網絡動態性能的關鍵評價指標，并推導了該評價指標的計算公式；構建了基于FSM的模塊化MVB網絡模型，詳細闡述了總線模塊、主設備模塊、從設備模塊和信號源模塊的工作方式；利用該模型分析了數據長度、設備數量、傳輸介質等因素對MVB網絡動態性能的影響。