Mosaic: Model-based Safety Analysis Framework for AI-enabled Cyber-Physical Systems
针对AI赋能信息物理系统因AI控制器特性带来的安全风险，本研究提出基于模型的Mosaic框架，通过构建MDP抽象模型实现在线安全监控与离线证伪，性能优于现有技术，为AI-CPS安全分析提供支撑。
2023-05-06 cs.SE
Apply SOA Paradigms in Cyber-Physical System to Enhance Interoperability: State-of-the-Art Review
信息物理系统（CPS）被认为是集成了计算、通信和控制技术的下一代智能工业自动化系统。在CPS中，设备和过程之间的互操作性需求正在快速增长。然而，工业系统中的信息技术（IT）和操作技术（OT）之间的技术和标准的多样性和异构性构成了重大挑战。面向服务的体系结构（SOA）提供了一种软件设计模式，其中软件组件仅通过消息传递连接，这与分布式自动化系统中的模块化和通信的基本原理一致。SOA被认为是提高下一代工业自动化系统互操作性的关键技术。本文介绍了将SOA范式应用于CPS以提高互操作性的最新研究进展，包括：开放平台通信统一架构（OPC UA）和相关扩展，在制造设备级别实现SOA，在基于SOA的自动化系统中集成遗留系统，基于SOA的自动化系统中的即插即用，基于SOA的自动化系统中的动态配置以及SOA与多Agent系统和可演化生产系统的结合。
2019-03-04 cs.SE
Distributed Smart Measurement Architecture for Industrial Automation
用于工业自动化的网络物理系统（CPS）通常需要采用混合数据处理方法，在云、边缘和雾计算范式之间进行调解。如今，有可能将数据预处理能力转移到更接近数据感测的位置，以在边缘或深边缘上本地收集环境测量结果。根据新兴的计算模式，这项工作提出了一个解决方案，包括软件和硬件组件，并简化了智能测量系统的部署。该解决方案还强调采用标准和开放数据范例，以简化集成并确保所有相关系统的互操作性。分布式智能测量解决方案已被纳入欧洲网络物理系统（CPS4EU）项目的工业自动化用例中。该用例实现了对在民用飞机的大部件的生产过程中操作的工业修边机的监控，其中分布式智能测量系统的感测和处理能力允许收集工作部件的不同参数以满足生产过程的预期质量。
2021-07-29 cs.SE
CLAIR: A Contract-based Framework for Developing Resilient CPS Architectures
工业网络基础设施通常是一个多层架构。分层架构的目的是隐藏复杂性，并允许层的独立发展。在本文中，我们认为，这种传统的严格分层导致跨层的透明度差，影响了显着提高弹性的能力。我们提出了一种基于合同的方法，其中跨网络基础设施层和层内的组件与合同和轻量级弹性管理器相关联。这允许系统有效地检测故障（使用观察器监视合同违反）并做出反应（动态更改合同）。它的结果是（1）提高跨层的透明度;帮助恢复;（2）将故障处理代码与应用程序代码解耦;帮助代码维护;（3）系统地生成无错误的故障处理代码;减少开发时间。使用工业案例研究，我们证明了所提出的方法。
2020-04-13 cs.SE
Towards Building AI-CPS with NVIDIA Isaac Sim: An Industrial Benchmark and Case Study for Robotics Manipulation
University of Alberta（阿尔伯塔大学）；The University of Tokyo（东京大学）；NVIDIA AI Tech Centre（英伟达人工智能技术中心）
本文提出基于NVIDIA Isaac Sim的机器人操作工业基准，涵盖八个任务和多个AI控制器，并开发兼容物理仿真器与OpenAI Gym的证伪框架，为AI赋能机器人系统的可靠设计与评估提供基础。
2023-07-31 cs.RO cs.SE
When Cyber-Physical Systems Meet AI: A Benchmark, an Evaluation, and a Way Forward
信息物理系统（CPS）已被广泛部署在安全关键领域，如汽车系统，航空电子，医疗设备等，近年来，人工智能（AI）已越来越多地被采用来控制CPS。尽管支持AI的CPS很受欢迎，但很少有基准测试是公开的。人们对不同工业领域的人工智能CPS的性能和可靠性也缺乏深入的了解。为了弥合这一差距，我们开始在七个领域创建行业级CPS的公共基准，并通过最先进的深度强化学习（DRL）方法为它们构建AI控制器。在此基础上，我们进一步对这些支持人工智能的系统与传统系统进行了系统评估，以确定当前的挑战并探索未来的机遇。我们的主要发现包括：（1）人工智能控制器并不总是优于传统控制器，（2）现有的CPS测试技术（特别是伪造）无法分析支持人工智能的CPS，以及（3）构建一个混合系统，在人工智能控制器和传统控制器之间进行战略性组合和切换，可以在不同领域实现更好的性能。我们的研究结果强调了对支持AI的CPS的新测试技术的需求，以及对混合CPS系统进行更多调查以实现最佳性能和可靠性的需求。
2022-04-19 cs.SE
Automated Repair of Cyber-Physical Systems
针对信息物理系统（CPS）人工调试成本高且自动化程序修复（APR）研究有限的问题，本项目提出结合基于频谱的故障定位（SBFL）、补丁生成与先进AI技术的可扩展APR方法，以解决故障定位、测试执行时间长及适应度函数局限等挑战。
2025-01-29 cs.SE
Adopting Microservices and DevOps in the Cyber-Physical Systems Domain: A Rapid Review and Case Study
网络物理系统（CPS）领域最近出现了强劲的增长，例如，由于物联网（IoT）在工业领域的兴起，通常被称为“工业4.0”。然而，CPS的挑战，如强大的硬件重点可能会影响现代软件开发实践，特别是在现代化遗留系统的背景下。虽然微服务和DevOps已被广泛研究用于企业应用程序，但CPS领域的覆盖范围不足。因此，我们的目标是分析这些系统在使用和迁移到微服务和DevOps方面的挑战和实践的特殊性。我们根据146篇科学论文进行了快速审查，随后在西门子公司不同业务部门的9名CPS专业人员的基于访谈的案例研究中验证了我们的发现。综合结果描绘了CPS领域中微服务和DevOps的具体情况。虽然发现了一些差异，可能需要调整方法，但许多挑战和实践都与典型的企业应用程序相同。我们的研究支持CPS研究人员和从业人员总结挑战，解决这些问题的做法和研究机会。
2022-10-13 cs.SE
CONSTRUCT: A Program Synthesis Approach for Reconstructing Control Algorithms from Embedded System Binaries in Cyber-Physical Systems
本文提出CONSTRUCT方法，通过静态分析和进化搜索从CPS嵌入式二进制文件自动合成控制算法的数学表示，经三个真实工业CPS案例验证有效。
2023-08-01 cs.SE
Approximation-Refinement Testing of Compute-Intensive Cyber-Physical Models: An Approach Based on System Identification
黑盒测试已被广泛应用于网络物理系统（CPS）的测试模型，因为这些模型往往不适合静态和符号测试和验证。然而，黑盒测试需要对大量候选测试输入执行被测模型。这对一个大型且实际重要的CPS模型类别（称为计算密集型CPS（CI-CPS）模型）提出了挑战，其中单个模拟可能需要数小时才能完成。我们提出了一种新的方法，即ARIsTEO，使有效和高效的测试CI-CPS模型。我们的方法将黑盒测试嵌入到一个迭代近似-细化循环中。在开始时，在测试下的CI-CPS模型的一些采样输入和输出用于生成代理模型，该代理模型执行更快并且可以经受黑盒测试。在原始模型上检查为代理模型识别的任何故障揭示测试。如果是假的，则使用测试结果来重新优化要再次测试的代理模型。否则，测试显示有效失败。我们通过将其与S-Taliro进行比较来评估ARIsTEO，S-Taliro是一种用于测试CPS模型的开源和行业实力工具。我们的研究结果是基于五个公开的CPS模型获得的，结果表明，平均而言，ARIsTEO能够比S-Taliro多发现24%的需求违规，并且在发现这些违规方面比S-Taliro快31%。我们进一步评估了ARIsTEO在卫星领域的大型工业案例研究中的有效性和效率。与S-Taliro相比，ARIsTEO成功地测试了该模型的两个不同版本，并且可以识别三个需求违规，平均每个违规需要四个小时。
2019-10-07 cs.SE
Trace-Checking CPS Properties: Bridging the Cyber-Physical Gap
网络物理系统结合了软件和物理组件。规范驱动的CPS跟踪检查工具通常为用户提供一种规约语言来表达感兴趣的需求，并提供一个自动过程来检查这些需求是否保持CPS的执行跟踪。尽管存在用于CPS的若干规约语言，但它们通常不足以表达与软件和物理组件及其交互相关的复杂CPS属性的规范。在本文中，我们提出了（一）混合逻辑信号（HLS），一个基于逻辑的语言，允许复杂的CPS要求的规范，和（ii）TheEodorE，一个有效的SMT为基础的跟踪检查程序。这个过程减少了在执行跟踪上检查CPS需求的问题，检查SMT公式的可满足性。我们评估了我们的贡献，使用一个有代表性的工业案例研究在卫星领域。我们通过考虑我们案例研究的212个要求来评估HLS的表达能力。HLS可以表达所有212个需求。我们还通过运行747个跟踪要求组合的跟踪检查程序来评估TheEodorE的适用性。在74.5%的案件中，EodorE能够做出判决。最后，我们比较了HLS和TheEodorE与其他规约语言和跟踪检查工具的文献。我们的研究结果表明，从实用的角度来看，我们的方法提供了一个更好的表现力和性能之间的权衡。
2021-09-15 cs.FL cs.LO cs.SE
Digital Twins & ZeroConf AI: Structuring Automated Intelligent Pipelines for Industrial Applications
Department of Sciences and Methods for Engineering (DISMI) of the University of Modena and Reggio Emilia（工程科学与方法系（DISMI）的摩德纳和雷焦艾米利亚大学）
本文提出零配置AI流水线，通过模块化和解耦DTs与AI组件，实现工业CPS中AI功能的无缝集成与高效部署。
2026-02-04 cs.AI cs.SE
AutoRepair: Automated Repair for AI-Enabled Cyber-Physical Systems under Safety-Critical Conditions
AutoRepair框架通过基于优化的迭代搜索自动识别并修复DNN控制器中的不安全行为，在6个工业级CPS实例上验证了其能显著提升系统可靠性。
2023-04-12 cs.SE cs.SY eess.SY
Evaluating Model Testing and Model Checking for Finding Requirements Violations in Simulink Models
Matlab/Simulink是一种开发和仿真语言，被网络物理系统（CPS）行业广泛用于动态系统建模。有两种主流的方法来验证CPS Simulink模型：模型测试，试图通过执行他们的一些采样测试输入，以确定模型中的故障，和模型检验，试图彻底检查模型的正确性，对一些给定的形式属性。在本文中，我们提出了一个工业Simulink模型基准，提供了一个不同的模型类型的基准分类，描述了模型的需求中反复出现的逻辑模式，并讨论了应用模型检验和模型测试方法，以确定在基准模型的需求违反的结果。在此基础上，讨论了模型测试和模型检验的优缺点。我们的研究结果进一步表明，模型检验和模型测试是互补的，通过将它们结合起来，我们可以显着提高这些方法各自的能力。最后，我们提供了指导方针，如何最好地将这两种方法结合起来。
2019-05-09 cs.SE
Tiny Machine-Learning Operations within Cyber-Physical Systems: a Field Study
Eindhoven University of Technology（埃因霍温理工大学）；Tilburg University（蒂尔堡大学）；University of Sannio（桑尼奥大学）；JADS/NXP Semiconductors（JADS/NXP半导体）
针对CPS中资源受限微控制器的TinyMLOps，提出融合领域物理、专家推测和传感器流的知识中心流水线，在ARM Cortex-M4上实现32kB内存、0.84 AUC的负载预测，减少11%非生产时间。
2026-10-27 cs.SE
Scrum for cyber-physical systems: a process proposal
University of Stuttgart（斯图加特大学）
本文提出Scrum CPS流程，旨在解决嵌入式和混合物理系统开发中的挑战，通过模拟硬件和机械部分，实现软件与硬件并行迭代开发。
2017-03-20 cs.SE cs.SY eess.SY
