摘要:我们提出了一个用于建模信息物理控制系统中攻击场景的新颖框架:我们将信息物理系统表示为一个受约束的切换系统,其中单个模型嵌入了物理过程的动态、攻击模式和攻击检测方案。我们证明,这与混合自动机(即受约束的切换线性系统)中已建立的结果兼容。所提出的攻击建模方法允许大量非确定性攻击策略,并能够将系统安全性表征为渐近性质。通过计算最大安全集,由此产生的新影响指标可以直观地量化安全性的下降以及网络攻击对受攻击系统安全属性的影响。我们通过一个示例展示了我们的结果。
摘要:随着分布式能源(DER)的出现及其相关的通信和控制复杂性,需要一个高效的平台来消化所有传入数据并确保电力系统的可靠运行。数字孪生(DT)是一个新概念,可以释放巨大的机遇,可用于电力系统的不同控制和安全级别。本文提供了一种用于多种应用的能源信息物理系统(ECPS)实施建模的方法。介绍了两种 DT 类型,以涵盖需要集中监督决策的高带宽和低带宽应用。使用 Amazon Web Services(AWS)作为云主机验证和测试数字孪生的概念,该云主机可以整合物理和数据模型,并能够从不同的实际电力和控制实体接收实时测量值。实验结果证明了基于物联网 (IoT) 和云计算技术实时实现 ECPS DT 的可行性。低带宽 DT 情况下的归一化均方误差为 3.7%。在高带宽 DT 的情况下,所提出的方法在重建电压估计方面表现出色,仅从控制器的状态来看准确率就达到 98.2%。
背景:信息物理系统对测试人员提出了挑战,为安全关键和协作环境带来了复杂性和规模。数字孪生通过与物理系统耦合的数据驱动和基于模拟的模型增强了这些系统,以提供可视化、预测未来状态和通信。由于数字世界和物理世界之间的耦合,数字孪生为信息物理系统测试提供了一个新的视角。 目标:本研究的目的是总结现有的基于数字孪生的测试文献。我们旨在发现新兴的采用领域、这些领域中使用的测试技术并确定未来的研究领域。 方法:我们进行了系统的文献综述,回答了以下研究问题:数字孪生目前用于测试哪些信息物理系统?如何为信息物理系统定义测试预言?在测试环境中,用于数字孪生的白盒、黑盒和灰盒建模技术的分布情况如何?如何定义测试用例以及这会如何影响测试输入?结果:我们通过精心挑选的搜索查询从 480 项研究中发现了 26 项相关研究。这些研究表明,在数字孪生引入行业后,人们开始采用基于数字孪生的测试,并且该技术的可访问性不断提高。测试中使用的预言机就是数字孪生本身,因此依赖于这两个系统
摘要 — 工业信息物理系统 (CPS) 是复杂的异构分布式计算系统,通常集成和互连大量子系统,包含大量硬件和软件组件。这些分布式信息物理系统 (dCPS) 的生产商在设计下一代机器方面面临着严峻的挑战,需要在 (早期) 设计决策中获得适当的支持,以避免出现代价高昂且耗时的疏忽。这需要针对 dCPS 的高效且可扩展的系统级设计空间探索 (DSE) 方法。在本立场文件中,我们回顾了 DSE 的当前发展水平,并认为针对 dCPS 的高效且可扩展的 DSE 技术或多或少是不存在的,并且构成了一个很大程度上未知的研究领域。此外,我们确定了需要解决的几个研究挑战,并讨论了针对 dCPS 的此类 DSE 技术的可能方向。索引词——分布式信息物理系统、设计空间探索、工作负载建模、性能建模、模型推理、工作负载动态
信息物理系统 (CPS) 是一种新兴的、实时的、复杂但可控的技术系统,它以复杂的方式结合了离散符号计算和连续物理过程 [1]。CPS 广泛采用网络(可理解为信息和通信环境)和嵌入自然元素的硬件基础设施的组合来感知、控制和驱动物理世界行为以及人类决策交互。网络部分的技术创新是整个系统智能可靠行为的基础。CPS 的进步使适应性、可扩展性和弹性等多项特性成为可能,此外还具备安全性、可用性和能力等关键基础设施所认可的其他传统特性,从而拓展了这些关键系统的视野。
5 无线通信生态系统研究组,电气工程系,工程学院,朱拉隆功大学,曼谷 10330,泰国 电子邮件:a amir.p@chula.ac.th,b,* lunchakorn.w@chula.ac.th(通讯作者) 摘要。信息物理系统 (CPS) 是计算和物理过程的集成。物理过程由嵌入式计算机和网络监视和控制,它们通常具有反馈回路,物理过程会影响计算,反之亦然。为了简化系统分析,可以用高保真虚拟模型取代昂贵的物理工厂,这些模型为数字孪生 (DT) 提供了框架。本文旨在简要回顾 DT 和 CPS 的最新进展。回顾了 CPS 中的三个主要组成部分,包括通信、控制和计算。此外,通过智能制造、第六代无线技术 (6G)、健康、生产、能源等方面的第四次工业革命中 DT 的主要应用,讨论了实施实际 DT 所需的主要工具和方法。最后,讨论了主要限制和未来评论的想法,然后简要介绍了 DT 在 CPS 中的实际应用。关键词:数字孪生、信息物理系统、控制、通信、计算、5G、人工智能、机器学习、计算智能。
人工智能 (AI)、认知计算、机器学习和脑启发计算是信息物理系统 (CPS) 中最热门的研究重点。脑启发计算可以更快、更有效地检测 CPS 中的威胁。这导致了脑启发计算算法的发展,包括自然启发算法、遗传算法、群体算法和模式识别算法,用于解决困难的计算问题和 CPS 研究挑战。认知信息物理系统 (CCPS) 正在经历快速转型,成为一种跨学科技术,它融合了物理组件和计算设备以实现基于 AI 的解决方案。CCPS 正在将机器学习/AI 与脑启发计算相结合,以实现智能系统。这个时代正在见证数字技术的快速转型,具有脑启发计算解决方案的 AI 将在工业信息学中发挥至关重要的作用。CCPS 与脑启发计算在工业 4.0 工业革命中的应用使智能工厂成为工业革命的一部分。其他应用,如智能家居设备、医疗系统、自动驾驶系统、连接设备中的机器人系统、数据分析、云计算和人工智能,使该过程进一步自动化。这些支持技术具有提供互操作性、信息透明度、技术援助和分散决策的全部功能。第五次工业革命有望将人类和机器配对,进一步利用人类的智力和创造力,通过将工作流与智能系统相结合来提高流程效率。在工业 5.0 中,机器人不仅将是可编程的机器,而且在某些情况下还将转变为理想的人类伴侣。随着脑启发计算和人工智能的最新发展,现在可以创建更现实和脑智能级别的算法。本社论的目的是探索支持 CPS 技术及其最新方法的研究成果,介绍最新进展,从而展示脑启发计算在 CCPS 中的潜力。在本期特刊中,发表的论文展示了脑启发学习和计算的全面概述/方法论方法,重点关注 CCPS 感兴趣的应用。
摘要:许多飞机资产都受预防性(计划内)和纠正性(非计划内)更换政策的约束,以确保足够的可靠性和可用性。问题在于,特别是对于大量存在的资产,预防性更换任务通常涉及从飞机上移除整个资产群体,而不管之前是否有任何资产在纠正性基础上被替换过。为了避免与过早移除资产相关的成本,本研究评估了使用网络物理系统方法管理已识别的飞机资产。这种方法建立在已在航空维护环境中实施和部署的工业架构之上。本研究概述了基于网络物理的资产识别如何促进平衡维护更换政策,以优化单位时间的长期平均成本。提出了一个数学模型,并使用工业数据验证了建议的方法。
摘要:提高移动信息物理系统车队的可用性和可靠性以及在车队层面面临意外事件时调整维护计划决策的能力是制造商和运营商面临的主要问题。在本研究中,作者提出了一种用于移动信息物理系统车队维护计划的反应式多智能体系统模型。为此,使用了 ANEMONA 多智能体设计方法。在该方法中,对智能体进行建模,然后描述它们的组织和交互视图。在静态和动态环境中进行数值实验。在静态环境中,将提出的多智能体系统与数学规划模型进行比较,以验证前者在满足车队可用性和可靠性预期方面的有效性。在动态环境中,模拟扰动用于说明所提出的多智能体系统的反应性。最后,提出了一种应用于法国庞巴迪运输公司列车维护的铁路运输应用。为此,所提出的多智能体系统集成在目前正在开发的名为“MainFleet”的决策支持系统的模型层中。