[发明专利]基于面向对象广义随机Petri网的CPS建模与分析方法

权利要求书

1.基于面向对象广义随机Petri网的CPS建模与分析方法，其特征在于，步骤如下：

步骤(1)根据所建模CPS的具体情境，将其中的设备划分为传感器、控制器、执行器三大组件；

步骤(2)将传感器、控制器、执行器抽象为对象，构建OGSPN模型；

步骤(3)根据对象的OGSPN模型的概念与实际CPS中各组件传感器、控制器、执行器的具体任务，扩展顶层OGSPN模型中各个对象，得到系统的OGSPN模型；

步骤(4)将OGSPN模型压缩为传统GSPN，以便于性能分析；

步骤(5)对压缩得到的GSPN中的参数进行模糊化处理，得到模糊GSPN；

步骤(6)使用马尔科夫方法求解模糊GSPN的稳态概率；

步骤(7)对得到的稳态概率值进行解模糊，得到最终准确的数值结果。

2.根据权利要求1所述的基于面向对象广义随机Petri网的CPS建模与分析方法，其特征在于，步骤(1)根据所建模CPS的具体情境，将其中的设备划分为传感器、控制器、执行器三大组件，具体过程如下：

(1.1)将测量设备划分为传感器组件，所述的测量设备包括感应光、温度，测量长度、距离传感器；

(1.2)将接收传感器的信息，且具有拟定与发送指令功能的设备划分为控制器组件；

(1.3)将执行具体动作，从而改变物理环境的设备划分为执行器组件。

3.根据权利要求2所述的基于面向对象广义随机Petri网的CPS建模与分析方法，其特征在于，步骤(2)构建OGSPN模型，具体过程如下：

(2.1)将传感器、控制器、执行器分别抽象为一个对象，并附上各自的输入、输出信息库所；

(2.2)在对象之间用门变迁连接，从而得到顶层OGSPN模型。

4.根据权利要求3所述的基于面向对象广义随机Petri网的CPS建模与分析方法，其特征在于，步骤(4)将OGSPN压缩为传统GSPN，以便于性能分析，具体方法如下；

OGSPN的压缩流程包含以下两步：(1)删除消息库所和门变迁；(2)移去模型中的冗余部分，其具体步骤如下：

(4.1)首先移除所有结点的所属对象属性，再删去OGSPN中模型中的所有的门变迁以及消息库所，并添加一个新的状态库所连接孤立的活动变迁，使其包含0个托肯；

(4.2)在步骤(4.1)中，若新增添的状态库所连接的活动变迁均为瞬时变迁，则该瞬时变迁代表了同种信息或同一事件在不同对象中的表示形式，或是某种相近的含义，为了使模型尽量的简化，删去此库所以及它的输出变迁，然后连接剩余的部分。

5.根据权利要求4所述的基于面向对象广义随机Petri网的CPS建模与分析方法，其特征在于，步骤(5)对压缩得到的GSPN中的参数进行模糊化处理，得到模糊GSPN；具体做法是将所有时间变迁的发生速率λ_i以及随机开关的概率p表示成三角模糊数，并转化为对应的α截集，其中时间变迁发生速率的模糊系数为δ_t，随机开关触发概率的模糊系数为δ_rs，具体过程如下：

(5.1)若GSPN中的活动变迁T₁为时间变迁，其原本的发生速率为λ₁，则为T₁设置一个模糊属性数组[λ_t-δ_t+δ_tα,λ_t+δ_t-δ_tα]；

(5.2)同理，若GSPN中的活动变迁T₂为一个随机开关，其原本的触发率为p，则为T₂设置一个模糊属性数组[P_r(t)-δ_rs+δ_rsα,P_r(t)+δ_rs-δ_rsα]，进而将整个GSPN模糊化，P_r(t)为触发概率取值。