X5: Dynamics Centered Optimal and Learning Based Mechanism Transition for Cyber-physical Systems

Der Betrieb dynamischer Systeme über Kommunikationsnetze bietet enorme Möglichkeiten. Wie diese Fortschritte für sichere, leistungsstarke cyber-physische Systeme genutzt werden können, bleibt jedoch weitgehend offen. Die derzeitigen Systeme müssen mit der von den Kommunikationsmechanismen gebotenen Dienstqualität zurechtkommen, was die Anwendungen auf nicht sicherheitskritische, langsame Aufgaben beschränkt. Diese Einschränkungen könnten im Prinzip durch eine enge und maßgeschneiderte kombinierte Optimierung und Gestaltung der cyber-physischen und der Kommunikationssysteme überwunden werden, was jedoch rechnerisch und konzeptionell derzeit nicht möglich ist. Um die Komplexität zu durchbrechen, schlagen wir vor, dass cyber-physische Systeme die verfügbaren Kommunikationsmechanismen und Vorhersagen über deren Eigenschaften explizit in ihre Entscheidungen einbeziehen. Um den Leistungsanforderungen gerecht zu werden, sollten die cyber-physischen Systeme ihr Verhalten unter Berücksichtigung der verfügbaren Ressourcen und der Qualität der Kommunikationsmechanismen dynamisch anpassen. Während die entwickelten Methoden allgemeiner Natur sein sollten, konzentrieren wir uns auf Probleme, bei denen die Eigenschaften des Kommunikationsmechanismus explizit vom Zustand des cyberphysischen Systems selbst abhängen können. Die Nutzung dieser Freiheitsgrade, die Vorhersage der Systemdynamik im geschlossenen Regelkreis und die Vorhersage des Verhaltens des Kommunikationsmechanismus in einem optimierungsbasierten Rahmen bilden den Rahmen und das Ziel des vorliegenden Vorschlags. Entwicklung einer modularen Lösung, bei der der Entscheidungsträger des cyberphysischen Systems die verfügbaren Kommunikationsmechanismen und dynamische Vorhersagen ihrer Eigenschaften berücksichtigt. Die Methoden sollten es ermöglichen, Vorhersagen über den Kommunikationsbedarf des cyber-physischen Systems an das Netz zu nutzen, den Zustand der verfügbaren Kommunikationsmechanismen vorherzusagen und aus ihren Aktionen zu lernen, während gleichzeitig deterministische oder stochastische Leistungs-, Sicherheits- und Stabilitätsgarantien geboten werden.