Modélisation explicite de l’adaptation sémantique entre modèles de calcul

Modélisation par composants et Modèles de Calculs (MoCs) 

Les modèles sont le principal moyen pour gérer la complexité des systèmes dont ils offrent une représentation abstraite et simplifiée, où seuls les détails utiles permettant de modéliser une tâche donnée du système sont gardés. Les systèmes ne cessent cependant d’évoluer, ils proposent plus de fonctionnalités et manipulent différents domaines techniques (ex : traitement du signal, contrôle automatique, gestion d’énergie, etc.). Leur conception devient par conséquence plus complexe et nécessite le choix de différents paradigmes (ou techniques) de modélisation [Van Deursen 2000] ; le modèle global d’un tel système est dit modèle hétérogène ou modèle multi-paradigme. Différentes techniques de modélisation multi-paradigme existent pour permettre la modélisation d’un système hétérogène [Hardebolle 2009a]. Le travail présenté dans ce mémoire se positionne dans le contexte de la modélisation par composants, une technique de modélisation permettant de décomposer le système selon ses fonctionnalités pour réduire sa complexité.

Modélisation par composants 

La conception d’un modèle à base de composants est obtenue en assemblant des boîtes noires , contenant des entités de conception fortement encapsulées. Le comportement d’un composant n’est donc pas visible de l’extérieur ; il n’est visible que sur son interface composée de ses entrées et de ses sorties. Ces interfaces possèdent des spécifications concises et rigoureuses permettant aux composants d’être regroupés et structurés pour former le modèle global .

Un avantage de cette approche est que les composants (ou boites noires) sont indépendants les uns des autres, ce qui les rend exploitables dans différents modèles et permet de définir une bibliothèque de composants pour chaque paradigme de modélisation. Dans le contexte de la modélisation hétérogène , la décomposition d’un système hétérogène est avant tout induite par les différents domaines techniques mis en jeu. Les composants considérés lors de la modélisation d’un tel système sont définis selon des sémantiques différentes. Prenons l’exemple d’un système hétérogène : un robot humanoïde. Ce système implique quatre domaines techniques : l’informatique pour la programmation, la mécanique pour modéliser les mouvements, l’électronique pour modéliser les circuits électroniques et l’automatique pour modéliser le contrôleur. Chaque domaine technique est associé à une sémantique différente, il impose donc l’utilisation d’un paradigme de modélisation adéquat. Ce système est alors décomposé en quatre composants, chaque composant dans ce cas est un sous-modèle associé à une sémantique propre à un domaine technique particulier. Pour obtenir un modèle hétérogène en utilisant la modélisation par composants, deux principales tâches doivent être réalisées :

• La définition précise de la sémantique de chaque paradigme de modélisation utilisé: nous distinguons trois approches pour définir la sémantique de chaque paradigme de modélisation, la première se base sur les modèles de calculs, la deuxième sur les connecteurs (ou interfaces) des composants, et la troisième sur des opérateurs de composition.
• La définition précise de l’adaptation sémantique entre les différents paradigmes de modélisation utilisés : l’adaptation sémantique est la colle qui permet de regrouper les différents composants pour former le modèle global d’un système hétérogène .

Approche à base de modèles de calculs

Dans l’approche à base de modèles de calculs, la sémantique de chaque paradigme de modélisation est définie par un Modèle de Calcul (MoC). Les MoCs viennent principalement de Ptolemy II [Eker 2003, Brooks 2008a], une plateforme de conception et de simulation de modèles hétérogènes réalisée à l’université de Berkeley. Dans Ptolemy II, l’idée centrale est que chaque MoC définit la loi de combinaison des comportements des composants d’un modèle, selon un paradigme de modélisation approprié.

Un modèle conçu selon cette approche est composé de deux principales parties : (1) une structure qui regroupe les différents composants modélisant le comportement du modèle, (2) et une instanciation d’un MoC (Director dans PtolemyII) qui définit la sémantique de ses composants, à savoir la nature des données échangées entre eux, la notion de temps qu’ils partagent, ou encore leur sémantique de comportement (séquentiel, concurrent, synchrone, etc).

L’élément de base pour la conception d’un système hétérogène dans PtolemyII est appelé Actor (acteur). Un acteur est un composant ayant un comportement bien précis, il communique en consommant et en produisant des données à travers ses interfaces appelées Ports. Les acteurs d’un modèle sont structurés grâce à des relations connectées sur leurs interfaces. Une relation peut connecter plusieurs acteurs à la fois, mais ne possède aucune sémantique, elle permet simplement de modéliser un lien statique entre les interfaces des acteurs pour combiner leurs comportements.

Quand un acteur A réalise son comportement, il est susceptible de produire des données destinées aux acteurs qui lui sont connecté. Quand les acteurs destinataires reçoivent ces données et réalisent leurs comportements à leur tours, nous parlons ici d’un transfert de contrôle de l’acteur A vers les acteurs destinataires. Deux points importants doivent être définis : (1) l’ordonnancement d’exécution des acteurs et (2) la technique de communication entre eux

Dans la modélisation à base de composants, les composants d’un modèle sont indépendants, leur comportement est donc tout aussi indépendant. Il est dans ce cas essentiel de définir l’ordre d’exécution de ces composants selon le paradigme de modélisation auxquels ils appartiennent, il peut être séquentiel, parallèle, concurrent, synchrone, asynchrone, etc. Chaque MoC (Director dans PtolemyII) définit une sémantique de contrôle qui permet de déterminer l’ordre d’exécution des composants de son modèle.

Table des matières

1 Introduction
1.1 Contexte
1.2 Objectif
1.3 Organisation de la thèse
2 Modélisation par composants et Modèles de Calculs (MoCs)
2.1 Introduction
2.2 Modélisation par composants
2.2.1 Approche à base de modèles de calculs
2.2.2 Approche à base de connecteurs
2.2.3 Approche à base d’opérateurs de composition
2.3 Modèles de Calculs (MoCs)
2.3.1 MoC « Discrete Events » (DE)
2.3.2 MoC « Finite State Machine » (FSM) et « Timed Finite State Machine » (TFSM)
2.3.3 MoC « Synchronous DataFlow » (SDF)
2.3.4 MoC « Continuous-Time » (CT)
2.4 Conclusion
3 Modélisation du temps
3.1 Introduction
3.2 Notion d’instants
3.3 Domaine de temps
3.4 Natures de temps
3.4.1 Temps continu
3.4.2 Temps discret
3.5 Contraintes temporelles
3.5.1 Le langage de spécification de contraintes d’horloges CCSL
3.5.2 Modélisation du MoC SDF avec CCSL
3.6 Conclusion
4 Modélisation hétérogène
4.1 Introduction
4.2 Modélisation hétérogène hiérarchique
4.3 Hétérogénéité des modèles
4.3.1 Hétérogénéité des données
4.3.2 Hétérogénéité du temps
4.3.3 Hétérogénéité du contrôle
4.4 Adaptation sémantique
4.4.1 Adaptation sémantique des données
4.4.2 Adaptation sémantique du temps
4.4.3 Adaptation sémantique du contrôle
4.5 Outils de modélisation et de simulation des systèmes hétérogènes
4.5.1 Simulink/Stateflow
4.5.2 MODELICA
4.5.3 Ptolemy II
4.5.4 ModHel’X
4.6 Conclusion
5 Conclusion

Télécharger le rapport complet