[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

说明书

本发明提供一种基于面向对象广义随机Petri网的CPS建模与分析方法。首先根据所建模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，然后将三大组件抽象为对象，构建OGSPN模型，根据对象的OGSPN模型的概念与实际CPS中各组件的具体任务，扩展顶层OGSPN模型中各个对象，得到系统的OGSPN模型；之后将OGSPN模型压缩为传统GSPN，对GSPN中的参数进行模糊化处理，得到模糊GSPN，使用马尔科夫方法求解模糊GSPN的稳态概率。最后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。本发明采用了模糊数学与马尔科夫链的分析方法，有效的处理了CPS中的不确定性，从而使结果具有高度的精确性。

技术领域

本发明涉及一种CPS的建模与分析方法，特别是一种基于面向对象广义随机Petri网的CPS建模与分析方法。

背景技术

信息物理系统(Cyber-Physical System,CPS)是一种融合计算、通信和控制功能的复杂嵌入式系统，通过计算和物理进程相互影响的反馈循环，实现现实世界与虚拟世界的相互协同和交互，以增加或扩展新的功能，并提供了实时感知、动态控制和信息反馈等服务。

CPS在运行的过程中，物理环境和受控对象状态的变化形成了多种事件，包括传感、决策、调控等，从而组成闭环结构，因此具备较强的事件驱动性，其行为是一种由离散计算过程与连续物理过程深度融合并紧密交互的混成行为。因此一般认为CPS体系架构是由应用层 (应用实体环境，用户终端，人类等)，协同处理层(云计算平台，网络处理平台等)，网络层(互联网，行业专用网络，第三方网络等)和物理层(控制中心，感知中心，物理世界等)组成。具体来讲，CPS可以分为三个模块：传感器模块、控制器模块和执行器模块。CPS通过传感器获取物理环境信息，通过控制器发送指令，并通过执行器执行指令，从而改变物理环境。

计算进程和物理进程紧密联系，这赋予了CPS独特的优越性，但建模CPS却成为瓶颈。CPS的建模和分析是复杂系统设计中的关键挑战之一，因为这要求设计者必须考虑各个异构的组件和它们与物理环境的密切交互。

目前，在CPS的形式化建模与分析方面，国内外研究者也进行了一些相关研究，例如虚拟原型、随机建模框架、资源共享框架、事件流处理单元、状态空间技术等。然而，这些理论模型及工具很少考虑到高度智能化的CPS中各个模块的属性以及它们之间的频繁交互，从而无法直观的刻画出CPS的工作流程，并且很少考虑到时间属性，从而无法建立起带有时间因素的模型以进行性能分析，或是在进行定量分析时，忽略了CPS在实际工作过程中的不确定性，使分析结果缺乏一定的准确性。

所以，为了克服现有方法在建模不够清晰、分析能力不足等方面存在的弱点，提出面向对象广义随机Petri网，作为一种新的CPS形式化建模方法，着重考虑CPS中的时间属性、模块间交互，从而能够直观的刻画出CPS的总体工作情况和流程，然后引入模糊数学的方法，以处理CPS中的不确定性，进行准确的进行性能分析。

发明内容

本发明的目的是针对目前的技术的不足，提出一种基于面向对象广义随机Petri网的CPS建模与分析方法。

本发明方法的大体思想是：

在CPS的建模阶段，为了说明CPS中各模块的结构以及模块之间的交互过程，对传统Petri网进行扩展，将面向对象技术与时间约束一并引入Petri网中，提出了面向对象广义随机Petri网(object oriented generelized stochastic Petri net，OGSPN)，作为一种新的CPS形式化建模方法。层级结构的OGSPN模型虽具有较强的表述能力，但其性能分析方法却局限于不变量分析、可达树、界面等效网等，从而只能用于进行一些定性的分析，如锁死探测、资源溢出情况分析、资源冲突分析(输入、输出冲突)等，缺少定量分析的手段。为了便于分析CPS的生产率、设备利用率等性能指标，提出了一种针对 OGSPN模型的压缩算法，来将复杂的OGSPN压缩为传统GSPN，以简化性能分析的过程。