一种基于数据驱动的 CPS 建模方法研究

信息-物理融合系统（CPS）由物理事件与计算系统两大部分组成，前者专注于处理连续的物理过程，与时间的流逝存在密切联系；后者则只能处理基于0-1机制的离散问题，两者存在本质上的差别．传统的建模方法一般需事先估计系统将要经历的状态及每一个状态转换所需的时间，这在复杂的 CPS（Cyber-Physical System）环境中难以预测，也没有真正意义上实现计算系统与物理事件之间的交互．因此，我们提出一种新的建模方法 DCDM：面向 CPS 的真实环境经传感器、网络等测试得出一些原始的离散数据，通过一定的数学方法（GMDH）从数据出发建立系统的连续模型，为了缩小离散数据与连续模型之间的误差，采用反馈控制的方式不断调整两者之间的差距，直至其减小到一定的范围之内．DCDM 从根本上改变了传统的建模方式，提出了一种从离散数据出发建立系统模型的思想，通过反馈控制实现物理事件与计算系统之间的深度融合．DCDM 具有以下4种优势：（1）建模对象容易获得且更加客观，能真实反映系统本身；（2）通过数学方法直接实现参数的筛选，去除冗余属性，减小弱影响因子对系统模型的影响；（3）相较于其他数据拟合的方法，DCDM 具有更加简单的复杂度，能节约大量的计算时间；（4）在离散数据与连续模型之间的误差方面，相较于其他的算法有着明显的改进．实验结果表明，在真实数据集中，DCDM的执行速度快于当前最新的数据建模方法，且数据集越大优势越明显．