软件定义云服务网络的大规模混合人在环CPS架构研究

Software Defined Network (SDN) is a software-controlled open network architecture with flexible functionality reconfiguration, which is a key technology to realize the system-level interconnection of Cyber-Physical Systems (CPS). This project utilizes distributed software-defined cloud service networks to investigate the large-scale hybrid Human-in-the-Loop CPS architecture with heterogeneous integrated, cooperative autonomous and open inter-connected characteristics. Different technologies, including SDN, network function virtualization (NFV) and cloud computing are integrated together. Then the delamination principle is presented to separate the network control logic layer and data transmittal layer, which benefits the dynamic reconfiguration and adaptive scalability of CPS network topology. A deep learning mechanism is proposed based on Restricted Boltzmann Machine and multi-task regression. A prediction model is established for human-machine interaction under hybrid event modes. A large-scale hybrid Human-in-the-Loop CPS architecture is proposed by integrating event trigger and hybrid automata. The Hybrid Kripke Structures are adopted to imitate the state of system, then a formalized linear temporal logic formula is designed to verify the reliability and safety of the system-of-system (SoS) architecture. This project focuses on designing a new scalable architecture and a formalized verification method for large-scale hybrid Human-in-the-Loop CPS systems, with the aim of improving the adaptive scalability and reliability of large-scale CPS.

软件定义网络(SDN)是一种软件控制、网络开放、功能可灵活重构的体系架构，是实现信息物理融合系统(CPS)互联的关键技术。本项目围绕分布式软件定义云服务网络，针对具有异构融合、协同自治和开放互联特性的大规模混合人在环CPS系统体系架构展开研究。将SDN、网络功能虚拟化(NFV)和云计算技术有机融合，引入分层的思想，研究网络控制逻辑和数据转发面的分离机制，实现CPS系统网络拓扑的动态重构和自适应扩展；提出基于限制玻尔兹曼机与多任务回归的深度学习机制，建立混合事件模式下的人机交互影响预测模型，融合事件驱动与混合自动机，提出大规模混合人在环CPS体系架构；采用混合克里普克架构模拟系统运行状态，设计形式化线性时序逻辑准则，验证系统架构的可靠性和安全性。本项目尝试为大规模混合人在环CPS系统设计一种新的可扩展架构和形式化验证方法，提高大规模CPS系统的自适应可扩展性和可靠性。

本项目针对大规模混合人在环CPS系统，研究其可扩展性和可靠性，应用强化学习、集成树和优化方法，将云计算、软件定义网络（Software Defined Network, SDN）、网络功能虚拟化（Network Function Virtualization, NFV）、形式化验证等技术有机结合，构建一种基于SDN/NFV的可扩展大规模混合人在环CPS架构，分析大规模分布式CPS系统中单元的随机性和非线性特性，考虑子系统间的相互影响及耦合关系，使系统信息层拓扑能够灵活重构和动态管理，促进大规模混合人在环信息物理融合系统理论研究和实际应用，推动了软件定义网络和机器学习理论的发展。.申请书中设定的工作目标全部完成，包括：软件定义网络的动态资源优化与数据放置、基于分层CPS架构的网络化人在环系统建模、CPS系统的形式化事件驱动协同控制策略、混合CPS系统形式化自适应扩展和可靠性分析与验证。.利用SDN/NFV技术实现基础网络与上层业务之间的协同，实现异构网络资源的高效重构和动态调度，保证网络动态可扩展性；建立网络化系统的分层CPS模型，利用矩阵论、图论、反馈控制理论分别建立其物理层、信息层、控制层模型，运用分层设计实现了信息层与控制层的解耦，简化了整个网络化系统的结构；采用形式化一致性描述方法，研究CPS系统工作过程中复杂的静态和动态时变约束，使不确定多智能体系统即使在模型参数不准确的条件下达到稳定；研究混合CPS系统形式化自适应扩展方法，并且搭建实验平台分析和验证该系统的可靠性和有效性。.受本项目支持，相关的研究成果已发表在国内外权威学术刊物和国际顶级会议上，其中发表学术论文125篇，其中SCI收录论文37篇，EI收录论文88篇。已获授权发明专利25项，受理发明专利29项，授权软件著作权25项。获得2020年湖南省自然科学奖二等奖、2020年中国铁道学会科学技术奖二等奖，其他竞赛奖励14项。培养毕业博士研究生5名，硕士研究生20名。