在知识图谱中表示信息物理生产系统的定时自动机与时序异常
人工智能
2023-08-28 v1
摘要
基于模型的异常检测一直是识别信息物理生产系统（CPPS）预期行为偏差的成功方法。由于这些模型的手动创建耗时费力，从数据中学习并以定时自动机等通用形式化表示它们具有优势。然而，由于缺乏关于系统的额外信息，这些模型——以及由此检测到的异常——可能难以解释。本文旨在通过将学习到的定时自动机与关于系统的形式化知识图谱相结合，改进CPPS中基于模型的异常检测。模型与检测到的异常均在知识图谱中描述，以便操作员更轻松地解释模型与检测到的异常。作者另提出了必要概念的本体（ontology）。该方法在一个五罐混合CPPS上得到验证，能够形式化定义自动机模型以及自动机执行中的时序异常。
引用
@article{arxiv.2308.13433,
title = {Representing Timed Automata and Timing Anomalies of Cyber-Physical Production Systems in Knowledge Graphs},
author = {Tom Westermann and Milapji Singh Gill and Alexander Fay},
journal= {arXiv preprint arXiv:2308.13433},
year = {2023}
}