基于STL的信息物理系统弹性控制方法

我们提出ResilienC，一个面向受基于STL需求约束的信息物理系统（CPS）的弹性控制框架。ResilienC利用一种近期发展的形式化方法，以一组$(\mathit{rec},\mathit{dur})$实数对来刻画CPS弹性，其中$\mathit{rec}$表示系统从属性违例快速恢复的能力（可恢复性），$\mathit{dur}$反映其在恢复后避免违例的能力（持久性）。我们将弹性STL控制问题定义为一个多目标优化问题，旨在最大化期望STL规范的可恢复性与持久性。当两目标无优先之分时，该问题的解为一组成帕累托最优的系统轨迹。我们给出了一种基于混合整数线性规划编码与后验$\epsilon$-约束法的精确求解方法，以高效检索全部最优弹性解。在ResilienC中，每一步由决策器策略从帕累托最优解集中选取最优控制动作，实现了一种模型预测控制。我们在两个重要案例上展示了ResilienC框架的实用价值：自动驾驶车辆车道保持与截止期驱动的多区域包裹投递。