A Framework for Identification and Validation of Affine Hybrid Automata from Input-Output Traces
A Framework for Identification and Validation of Affine Hybrid Automata from Input-Output Traces
复制标题
从输入输出轨迹识别和验证仿射混合自动机的框架
DOI：
10.1145/3470455
复制
发表时间：
2022
影响因子：
2.3
通讯作者：
Xiaodong Yang, Omar Ali
中科院分区：
文献类型：
--
作者：
Xiaodong Yang, Omar Ali
基于自动机的混合信息物理系统（CPS）建模是一种重要的形式化抽象，适用于对其动态行为进行算法分析，例如验证、故障识别和异常检测。然而，对于现实系统，特别是工业系统，识别混合自动机是具有挑战性的，部分原因在于推断混合相互作用，这涉及到对连续行为的推断，例如通过经典系统识别，以及离散行为，例如通过自动机（例如L*）学习。在本文中，我们提出并评估了一个从输入/输出执行轨迹推断和验证具有线性常微分方程（ode）的确定性混合系统模型的框架。该框架包含离散模式下连续动力学的逼近算法、过渡条件的估计算法和自动机模式合并的推理算法。该算法能够对轨迹段进行聚类，估计轨迹段的动态参数，同时导出由多个线性不等式表示的保护条件。最后，将推断的模型自动转换为原始系统的格式以进行验证。我们通过一个名为HAutLearn的公开可用原型软件框架在几个案例研究中评估其性能，并将其与基于成员关系的算法进行比较，从而展示了该框架的实用性。
Automata-based modeling of hybrid andcyber-physical systems (CPS)is an important formal abstraction amenable to algorithmic analysis of its dynamic behaviors, such as in verification, fault identification, and anomaly detection. However, for realistic systems, especially industrial ones, identifying hybrid automata is challenging, due in part to inferring hybrid interactions, which involves inference of both continuous behaviors, such as through classical system identification, as well as discrete behaviors, such as through automata (e.g., L*) learning. In this paper, we propose and evaluate a framework for inferring and validating models of deterministic hybrid systems with linearordinary differential equations (ODEs)from input/output execution traces. The framework contains algorithms for the approximation of continuous dynamics in discrete modes, estimation of transition conditions, and the inference of automata mode merging. The algorithms are capable of clustering trace segments and estimating their dynamic parameters, and meanwhile, deriving guard conditions that are represented by multiple linear inequalities. Finally, the inferred model is automatically converted to the format of the original system for the validation. We demonstrate the utility of this framework by evaluating its performance in several case studies as implemented through a publicly available prototype software framework called HAutLearn and compare it with a membership-based algorithm.
登录
查看更多内容
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
Henrik Ohlsson;Lennart Ljung
通讯作者：
Lennart Ljung
用于子空间恢复和子空间聚类的 RANSAC 算法
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
E. Arias;Jue Wang
通讯作者：
Jue Wang
学习可兴奋细胞的循环线性混合自动机
DOI：
10.1007/978-3-540-71493-4_21
发表时间：
2007
期刊：
Proceedings of the 25th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (IEEE Cat. No.03CH37439)
影响因子：
--
作者：
R. Grosu;S. Mitra;P. Ye;E. Entcheva;I. Ramakrishnan;S. Smolka
通讯作者：
S. Smolka
通过结合基于模型的测试和机器学习来学习混合系统的行为模型（完整版）
DOI：
--
发表时间：
2019
期刊：
International Conference on Testing Software and Systems
影响因子：
--
作者：
B. Aichernig;R. Bloem;M. Ebrahimi;M. Horn;F. Pernkopf;Wolfgang Roth;Astrid Rupp;Martin Tappler;Markus Tranninger
通讯作者：
Markus Tranninger
基准测试：DC-DC 开关模式电源转换器（降压转换器、升压转换器和降压-升压转换器）
DOI：
--
发表时间：
2014
期刊：
ARCH@CPSWeek
影响因子：
--
作者：
L. V. Nguyen;Taylor T. Johnson
通讯作者：
Taylor T. Johnson