论文部分内容阅读
信息-物理融合系统(CPS)是将精密的计算、网络、控制三种技术融合到一起的开放式嵌入系统,可精确、实时地响应现实世界中的事件。在CPS系统环境下,各监测点传感器采集的数据可以分为两类:第一类是实时、连续、基于时间序列的数据,它随着环境的变化而平稳变化;第二类是用来描述物理设备和监测对象状态的数据,它是突变的异常数据,具有很大的不确定性。对于CPS系统来说,第二类不确定性大的数据更能触发执行器。但是受制于各种因素,CPS网络常常呈现网络带宽低、经常发生拥塞等网络受限状态,此时第二类数据难以保障被实时传输到数据采集端,致使CPS系统难以对现实世界中的紧急事件进行响应,因此,亟需有效的适用于网络受限条件下的数据预处理方法,以提高此时的紧急事件响应率。本文主要工作如下:(1)为了更好地对CPS系统中的数据进行预处理,提出了基于CPS下信息熵的数据分类模型,描述了基于CPS的监控场景和监测数据的表现形式。在基于CPS的监控系统中,能够触发执行器的往往是异常数据,这些异常数据具有很大的不确定性,而不确定性越大,执行器被触发的概率就越大,因此根据监测数据的不确定性大小将监测数据分成两类模型,即信息熵低数据模型和信息熵高数据模型。(2)为了减少CPS系统中网络带宽有限造成的拥塞,提高对不确定性很大的异常数据的识别能力,充分保障CPS系统对紧急事件的响应率,从信息论的角度分析CPS系统的复杂性,根据CPS系统的平均动态复杂度设定为阈值来判断某个时间段内传感器数据信息熵的高低,CPS系统选择信息熵高数据优先发送,并通过实验分析了其有效性。(3)为了CPS系统数据的完整性和便于后期对数据的分析和处理,在系统空闲时对没有发送的信息熵低数据进行补齐,按照时间间隔T的频率上传部分信息熵低数据,然后基于IMM算法补齐全部的信息熵低数据,并通过实验验证了其能够很好的对信息熵低数据进行补齐。对LZ4压缩算法进行改进,对信息熵低数据量大的时候进行压缩,并通过实验得出其有很好的压缩效果,进一步解决CPS系统中网络带宽有限造成的拥塞问题。提出基于熵的动态优化方法,即随着监测环境的变化,传感器采集数据的时间间隔T也要相应地调整,以满足系统的需求和提高对信息熵低数据补齐的效果。