Козельський, О.В.Kozelskyi, O.V.2026-06-052026-06-052026Козельський О. В. Методи та засоби планування задач і підвищення ефективності операційних систем реального часу : автореф. дис. ... д-ра філос. : 123 Комп'ютерна інженерія. Хмельницький, 2026. 14 с.https://elar.khmnu.edu.ua/handle/123456789/21201У дисертації здійснено аналіз методів планування задач і підвищення ефективності операційних систем реального часу (ОСРЧ). У роботі удосконалено архітектуру планувальника задач шляхом залучення зовнішнього модуля машинного навчання, розроблено метод динамічного розподілу задач і ресурсів в ОСРЧ на основі тензорної декомпозиції, метод превентивного відновлення компонентів ОСРЧ, а також метод виявлення фальсифікацій та аномалій у комп’ютерних системах для сигналів кіберфізичних систем (КФС) на основі модифікованого комбінованого фільтра Калмана з подієвим перемиканням режимів при збереженні детермінованості виконання задач реального часу. Об’єктом дослідження є процеси функціонування операційних систем реального часу в кіберфізичних системах в умовах інтенсивних змін станів. Предметом дослідження є методи та засоби адаптивного планування задач і розподілу ресурсів на основі багатовимірного аналізу навантаження, превентивного відновлення компонентів із прогнозуванням станів, а також виявлення аномалій і фальсифікацій сенсорних даних в ОСРЧ для КФС. Метою дисертаційного дослідження є підвищення ефективності використання ресурсів, безперервності та надійності роботи ОСРЧ у КФС з інтенсивними змінами станів шляхом розроблення методів адаптивного планування, динамічного розподілу ресурсів, превентивного відновлення, виявлення аномалій та фальсифікацій. Наукова новизна отриманих результатів полягає в наступному: 1) розроблено удосконалену архітектуру планувальника задач із залученням зовнішнього модуля машинного навчання, яка, на відміну від традиційних архітектур ОСРЧ, передбачає винесення аналітичних обчислень за межі мікроконтролера та формування зворотного каналу самоадаптації, що забезпечує збирання багатовимірної телеметрії, її перетворення у тензорні подання та адаптивне оновлення параметрів планувальника без втручання користувача і дає змогу враховувати багатовимірну динаміку навантаження під час керування ресурсами, усуваючи обмеження, зумовлені обчислювальними ресурсами мікроконтролерних платформ, при цьому зберігаючи детермінованість виконання задач у критичному контурі реального часу;2) вперше розроблено метод динамічного розподілу задач і ресурсів в ОСРЧ на основі тензорної декомпозиції, який використовує багатовимірні моделі системного навантаження для прогнозування поведінки задач з урахуванням взаємозв’язків між параметрами з наступним формуванням рішення на основі їх комплексного аналізу, що на відміну від існуючих алгоритмів розподілу ресурсів, які базуються переважно на одномірних метриках або локальних характеристиках задач, дає змогу скоротити час виконання, зменшити навантаження на процесор та підвищити ефективність використання ресурсів системи; 3) вперше розроблено метод превентивного відновлення компонентів ОСРЧ, який поєднує низькорозмірну марковську модель прогнозування станів із багаторівневим сторожовим контролем, що на відміну від традиційних watchdogсхем, які реагують лише після зупинки або зависання, дозволяє завчасно оцінювати ризик відмови та локально програмно ініціювати апаратний перезапуск з формалізацією індексу стану, перехідних ймовірностей та політик ескалації, зберігаючи при цьому низьку обчислювальну складність, придатну для мікроконтролерів у реальному часі;4) набув подальшого розвитку метод виявлення фальсифікацій та аномалій у комп’ютерних системах для сигналів КФС на основі модифікованого комбінованого фільтра Калмана з подієвим перемиканням режимів, який, на відміну від поширених багатомодельних або адаптивних фільтрів, не потребує одночасного запуску набору моделей і забезпечує селективне пригнічення підозрілих вимірів на основі аналізу інновацій, що дає змогу відрізняти нормальні режимні зміни від зловмисних відхилень шляхом оперативної зміни режиму оцінювання, зберігати низьку обчислювальну складність, необхідну для мікроконтролерів у системах реального часу, забезпечувати швидке реагування, зменшувати кількість хибних тривог і робить метод придатним до впровадження у ресурсообмежених КФС.The dissertation analyzes methods of task scheduling and efficiency improvement in real-time operating systems (RTOS). The work improves the architecture of the task scheduler through the integration of an external machine learning module, develops a method for dynamic allocation of tasks and resources in RTOS based on tensor decomposition, a method for preventive recovery of RTOS components, as well as a method for detecting falsifications and anomalies in computer systems for signals of cyber-physical systems (CPS) based on a modified combined Kalman filter with event-driven mode switching while preserving the determinism of real-time task execution. The object of research is the processes of functioning of real-time operating systems in cyber-physical systems under conditions of intensive state changes. The subject of research is methods and tools for adaptive task scheduling and resource allocation based on multidimensional workload analysis, preventive recovery of components using state prediction, as well as detection of anomalies and falsification of sensor data in RTOS for CPS. The purpose of the dissertation research is to improve the efficiency of resource utilization, as well as the continuity and reliability of RTOS operation in cyber-physical systems with intensive state changes by developing methods for adaptive scheduling, dynamic resource allocation, preventive recovery, and detection of anomalies andThe scientific novelty of the obtained results is as follows: 1) an improved architecture of the task scheduler incorporating an external machine learning module has been developed. Unlike traditional RTOS architectures, it enables analytical computations to be offloaded outside the microcontroller and establishes a feedback channel for self-adaptation. This approach ensures the collection of multidimensional telemetry, its transformation into tensor representations, and the adaptive updating of scheduler parameters without user intervention. As a result, the system can account for multidimensional workload dynamics during resource management, overcoming limitations imposed by the computational resources of microcontroller platforms while preserving deterministic task execution within the critical real-time loop; 2) for the first time, a method for dynamic task and resource allocation in RTOS based on tensor decomposition has been developed, which uses multidimensional models of system workload to predict task behavior considering interrelations between parameters and subsequently form decisions based on their comprehensive analysis. Unlike existing resource allocation algorithms that rely mainly on one-dimensional metrics or local task characteristics, the proposed method makes it possible to reduce execution time, decrease processor load, and improve the efficiency of system resource utilization; 3) for the first time, a method for preventive recovery of RTOS components has been developed that combines a low-dimensional Markov state-prediction model with multi-level watchdog supervision. Unlike traditional watchdog schemes that react only after a halt or freeze has occurred, the proposed approach enables early assessment of failure risk and local software-initiated hardware reset, with formalization of a state index, transition probabilities, and escalation policies, while maintaining low computational complexity suitable for real-time microcontrollers; 4) the method for detecting falsifications and anomalies in computer systems for CPS signals has been further developed based on a modified combined Kalman filter with eventdriven mode switching which, unlike widely used multimodel or adaptive filters, does not require the simultaneous execution of multiple models and provides selective suppression of suspicious measurements through innovation analysis, enabling the distinction between normal mode changes and malicious deviations via instantaneous switching of the estimation regime while preserving the low computational complexity required for real-time microcontrollers, ensuring rapid response, reducing false alarms, and making the method suitable for deployment in resource-constrained CPS.ukопераційна система реального часуінтелектуальна кластеризаціятензорна декомпозиціявідмовостійкістьсторожовий 8 таймерланцюг Марковакомбінований фільтр Калманасамовідновленнязахист від зловмисного впливудатчикиінтернет речеймоніторингreal-time operating systemcyber-physical systemintelligent clusteringtensor decompositionfault tolerancewatchdog timerMarkov chaincombined Kalman filterself-recoveryprotection against malicious influencesensorsIoTmonitoringАвтореферат