论文部分内容阅读
信息物理融合系统(Cyber Physical Systems，CPSs)是一个综合计算系统、网络系统与物理系统的多维度复杂系统，其核心是通过计算、通信与控制能力的深度融合与紧密协作，实现网络化物理设备系统的高效、可靠、精确的管理与调控。在当今万物互联时代，其具有广泛的应用前景。但是CPS本质上的复杂性使得其设计与实现遇到了不少挑战。首先，CPS中存在着数量庞大、种类繁多、异构性很强的物理实体，使得统一管理CPS中的所有物理实体变得非常困难。其次，CPS应用任务往往都是难以提前确定的，必须提供相应的运行时环境以支持CPS动态使命任务的完成。再次，当前物理实体的计算能力普遍不强，难以有效提升物理实体的智能化水平以应对非结构化环境、未知环境。这些挑战的出现使得采用传统上的“从零开始(from scratch)”的系统设计流程进行CPS设计与实现的效率明显降低。
论文针对多智能机器人协同工作系统的特点及需求，提出设计一种CPS-Service运行支撑平台，以提高此类CPS应用系统的设计与实现效率。CPS-Service运行支撑平台利用CPS-Service统一管理物理实体(即将物理实体的能力抽象为CPS-Service)；通过组合不同的CPS-Service完成不同的CPS应用任务；利用云计算技术提升物理实体计算能力、增强CPS-Service的服务效果以应对非结构化环境、未知环境。
论文围绕着CPS-Service运行支撑平台结构及其关键技术进行了研究，主要工作与贡献如下：
1)研究了CPS-Service运行支撑平台的结构设计。深入分析了目前CPS运行支撑平台的主流体系结构及其相关实现技术，从CPS应用任务构造方法和适用场景两个方面对目前CPS运行支撑平台的主流体系结构进行了深入比较。在此基础上，设计了一种基于实时云的CPS-Service运行支撑平台。
2)构造了一种基于本体的CPS-Service模型，并提出了相应的快速CPS-Service匹配方法。为了统一管理数量庞大、种类繁多、异构性很强的物理实体，提出将物理实体的能力抽象为CPS-Service。针对当前服务模型难以有效表达CPS-Service特有的信息物理融合属性的问题，构造了一种基于本体的CPS-Service模型。与现有服务模型相比，该CPS-Service模型更加完善，其在核心要素CPS-Service基础上，增加了物理实体、物理空间位置和物理环境等信息物理融合要素。此外，CPS-Service运行支撑平台通常管理着大量CPS-Service，而CPS应用任务的完成一般只需要其中一部分CPS-Service的参与。因此，如何从CPS-Service集合中快速找到所需的CPS-Service子集成为一个重要问题。针对这一问题，提出了基于概率聚类和R树的快速CPS-Service匹配方法。该方法利用一种混合索引结构在在线匹配阶段快速排除不可能满足需求的CPS-Service。仿真实验结果表明，通过引入这种混合索引结构，该方法大幅提升了CPS-Service匹配速度。
3)提出了物理位置与环境敏感的CPS-Service组合方法。CPS-Service运行支撑平台通过组合不同的CPS-Service完成不同的CPS应用任务。CPS-Service特有的物理位置与环境敏感性使得当前的软件服务组合方法难以直接用于解决CPS-Service组合问题，为此需要研究面向CPS的服务组合方法。首先针对CPS-Service具有明显物理位置敏感性的特点，研究了考虑物理位置敏感性的CPS-Service组合问题。进而针对在非结构化环境、未知环境下CPS-Service易受环境影响的特点，研究了考虑执行可靠性的CPS-Service组合问题。为了求解这两个问题，分别提出了基于改进量子遗传算法的CPS-Service组合方法和基于退火Pareto汤普森采样的超启发式CPS-Service组合方法。仿真实验结果表明，两种方法可在多种不同的场合下大幅提升现有CPS-Service组合方案的质量。
4)提出了CPS-Service云基增强方法。为了应对非结构化环境、未知环境，CPS-Service需要引入复杂的计算任务以增强其服务效果，然而当前物理实体的计算能力有限。针对这一问题，提出利用云计算技术提升物理实体计算能力以支持复杂计算任务的运行，从而增强CPS-Service效果。CPS-Service云基增强的主要思想是把CPS-Service中的复杂计算任务迁移到云上执行。尽管计算任务迁移使得利用云增强CPS-Service成为可能，但是由于通信资源与云端(如私有云、边缘云)计算资源是有限的，如何获取最好的CPS-Service增强方案成为一个重要问题。为了解决该问题，提出了两种CPS-Service云基增强方法，分别是基于贪婪选择和基于个体稀疏的CPS-Service增强方法。仿真实验结果表明两种方法都可获取很好的CPS-Service增强方案，基于贪婪选择的CPS-Service增强方法甚至可以获取近似最优的CPS-Service增强方案。
5)设计实现了CPS-Service运行支撑平台原型及相关软件工具原型。以上述研究成果为基础设计实现了CPS-Service运行支撑平台原型的主要功能模块(其包括基于云的CPS-Service增强框架、CPS-Service匹配框架、CPS任务执行引擎)，并开发了相关的CPS-Service描述工具原型、CPS应用任务流程构造工具原型。
论文针对多智能机器人协同工作系统的特点及需求，提出设计一种CPS-Service运行支撑平台，以提高此类CPS应用系统的设计与实现效率。CPS-Service运行支撑平台利用CPS-Service统一管理物理实体(即将物理实体的能力抽象为CPS-Service)；通过组合不同的CPS-Service完成不同的CPS应用任务；利用云计算技术提升物理实体计算能力、增强CPS-Service的服务效果以应对非结构化环境、未知环境。
论文围绕着CPS-Service运行支撑平台结构及其关键技术进行了研究，主要工作与贡献如下：
1)研究了CPS-Service运行支撑平台的结构设计。深入分析了目前CPS运行支撑平台的主流体系结构及其相关实现技术，从CPS应用任务构造方法和适用场景两个方面对目前CPS运行支撑平台的主流体系结构进行了深入比较。在此基础上，设计了一种基于实时云的CPS-Service运行支撑平台。
2)构造了一种基于本体的CPS-Service模型，并提出了相应的快速CPS-Service匹配方法。为了统一管理数量庞大、种类繁多、异构性很强的物理实体，提出将物理实体的能力抽象为CPS-Service。针对当前服务模型难以有效表达CPS-Service特有的信息物理融合属性的问题，构造了一种基于本体的CPS-Service模型。与现有服务模型相比，该CPS-Service模型更加完善，其在核心要素CPS-Service基础上，增加了物理实体、物理空间位置和物理环境等信息物理融合要素。此外，CPS-Service运行支撑平台通常管理着大量CPS-Service，而CPS应用任务的完成一般只需要其中一部分CPS-Service的参与。因此，如何从CPS-Service集合中快速找到所需的CPS-Service子集成为一个重要问题。针对这一问题，提出了基于概率聚类和R树的快速CPS-Service匹配方法。该方法利用一种混合索引结构在在线匹配阶段快速排除不可能满足需求的CPS-Service。仿真实验结果表明，通过引入这种混合索引结构，该方法大幅提升了CPS-Service匹配速度。
3)提出了物理位置与环境敏感的CPS-Service组合方法。CPS-Service运行支撑平台通过组合不同的CPS-Service完成不同的CPS应用任务。CPS-Service特有的物理位置与环境敏感性使得当前的软件服务组合方法难以直接用于解决CPS-Service组合问题，为此需要研究面向CPS的服务组合方法。首先针对CPS-Service具有明显物理位置敏感性的特点，研究了考虑物理位置敏感性的CPS-Service组合问题。进而针对在非结构化环境、未知环境下CPS-Service易受环境影响的特点，研究了考虑执行可靠性的CPS-Service组合问题。为了求解这两个问题，分别提出了基于改进量子遗传算法的CPS-Service组合方法和基于退火Pareto汤普森采样的超启发式CPS-Service组合方法。仿真实验结果表明，两种方法可在多种不同的场合下大幅提升现有CPS-Service组合方案的质量。
4)提出了CPS-Service云基增强方法。为了应对非结构化环境、未知环境，CPS-Service需要引入复杂的计算任务以增强其服务效果，然而当前物理实体的计算能力有限。针对这一问题，提出利用云计算技术提升物理实体计算能力以支持复杂计算任务的运行，从而增强CPS-Service效果。CPS-Service云基增强的主要思想是把CPS-Service中的复杂计算任务迁移到云上执行。尽管计算任务迁移使得利用云增强CPS-Service成为可能，但是由于通信资源与云端(如私有云、边缘云)计算资源是有限的，如何获取最好的CPS-Service增强方案成为一个重要问题。为了解决该问题，提出了两种CPS-Service云基增强方法，分别是基于贪婪选择和基于个体稀疏的CPS-Service增强方法。仿真实验结果表明两种方法都可获取很好的CPS-Service增强方案，基于贪婪选择的CPS-Service增强方法甚至可以获取近似最优的CPS-Service增强方案。
5)设计实现了CPS-Service运行支撑平台原型及相关软件工具原型。以上述研究成果为基础设计实现了CPS-Service运行支撑平台原型的主要功能模块(其包括基于云的CPS-Service增强框架、CPS-Service匹配框架、CPS任务执行引擎)，并开发了相关的CPS-Service描述工具原型、CPS应用任务流程构造工具原型。