
网络物理系统正确运行至关重要安全临界系统,如医疗系统、汽车系统和其他许多应用系统尤其如此。验证正确性总体上不可行,测试并非详尽无遗,因此在操作期间监控系统并检测需采取行动的错误行为至关重要。
监控技术调查 当系统状态不完全可见时 行为随机性从理论上讲,两个概念即可监控性强可监控性被分解,并给出必要和充分条件描述特征通用监控技巧处理系统建模混合自动机和属性说明安全或活性自动机显示等案例,这是监控中的另一关键步骤,因为属性定义系统行为隐藏并部分可见Rao-Blackellized粒子滤波应用于混合状态框架
探索标量场时,例如墨西哥湾溢油集中度由一组传感器探测时,总是问题在于在哪里部署它们到利益区一般来说,传感器部署满足我们的要求,例如覆盖全感兴趣区
在项目中,我们需要更多传感器覆盖部分 信息量高于其它部分信息密度量化研究发现曲率是量化领域信息密度的好选择从定义上看,曲面描述表面偏差量在一个点上曲率越高 曲面弯曲度越高高信息密度点曲度函数字段,即无法直接从传感器读取,我们用近似字段样条估计此外,所有传感器都是移动式传感器逐步运动算法应嵌入驱动最优感知配置, 即每个传感器责任区内部, 曲线积分即信息量应相同
很容易实现最优部署,因为中心服务器收集传感器读数和所有传感器节点位置然而我们想把任务划分为更具挑战性的任务问题设置中, 我们假设没有中心服务器, 每一个传感器节点决定向何处移动 依据信息仅由瞬时邻接提供
因此,有两个关键问题摆在我们面前第一个问题是如何用样条近似字段了解场后,我们可以通过场计算曲率二级基于本地信息,每个传感器应移动实现全局优化部署

项目到目前为止引入了两种模型 来定义网络物理系统语义第模型是隐藏Markov系统,系统状态在量化后按离散状态建模令系统监听的属性由无限字符串自动机定义我们定义了两种精确度量 给定监视器-接受和拒绝accurity奇数捕捉误报警和误报警的百分比使用这些概念,我们定义了两个概念,即强可监控性系统强可监控 属性可监控时 我们给出精确特征基于这些概念,我们开发监测技术,当系统受监测由概率混合自动机说明时,所监测的财产则由确定性混合自动机提供并估计概率使用粒子滤波监测技术使用Matlab实施并证明对一些例子有效










支持:NSF赠款IIS-0093581和UIC校园研究局

