mirror of
https://github.com/kuhyx/praca_magisterska.git
synced 2026-07-04 12:03:01 +02:00
14 KiB
14 KiB
Pytanie 35: Modelowanie układów cyber-fizycznych
Pytanie
"Na czym polega specyfika modelowania matematycznego układów cyber-fizycznych? Podać przykłady współpracy agentów w sieci i problemów w osiąganiu pożądanego zachowania układu."
Przedmiot: SIU (Systemy Inteligentne i Uczące się)
📚 Odpowiedź główna
1. Definicja układów cyber-fizycznych (CPS)
┌─────────────────────────────────────────────────────────────────┐
│ CYBER-PHYSICAL SYSTEM (CPS) │
├─────────────────────────────────────────────────────────────────┤
│ │
│ ┌──────────────────┐ ┌──────────────────┐ │
│ │ CYBER │ ←────→ │ PHYSICAL │ │
│ │ (computation, │ │ (dynamics, │ │
│ │ communication, │ │ physics, │ │
│ │ control) │ │ environment) │ │
│ └──────────────────┘ └──────────────────┘ │
│ ↑ ↑ │
│ │ SENSORS │ │
│ └────────────────────────────┘ │
│ ACTUATORS │
│ │
│ Przykłady: Autonomiczne pojazdy, smart grid, robotyka, │
│ drony, systemy medyczne, Industry 4.0 │
└─────────────────────────────────────────────────────────────────┘
2. Specyfika modelowania CPS
Hybrid Systems (systemy hybrydowe)
┌─────────────────────────────────────────────────────────────────┐
│ DYNAMIKA CIĄGŁA + DYSKRETNA │
├─────────────────────────────────────────────────────────────────┤
│ │
│ Ciągła (fizyka): ẋ = f(x, u) (równania różniczkowe) │
│ Dyskretna (logika): Automat stanów (przełączanie trybów) │
│ │
│ Przykład - termostat: │
│ │
│ Mode: OFF Mode: ON │
│ ┌─────────────┐ ┌─────────────┐ │
│ │ Ṫ = -α(T-Tₑ)│ ──T<Tₗ───→ │ Ṫ = β - α(T-Tₑ)│ │
│ │ │ ←──T>Tₕ─── │ │ │
│ └─────────────┘ └─────────────┘ │
│ │
│ T = temperatura, Tₑ = zewnętrzna, Tₗ/Tₕ = progi │
└─────────────────────────────────────────────────────────────────┘
Modelowanie matematyczne
| Aspekt | Model | Opis |
|---|---|---|
| Dynamika ciągła | ODE/PDE | ẋ = f(x,u,t) |
| Stany dyskretne | Automaty hybrydowe | Przejścia między trybami |
| Komunikacja | Grafy, delay | Topologia sieci, opóźnienia |
| Niepewność | Stochastyczne ODE | Szum, zakłócenia |
| Ograniczenia | Nierówności | Fizyczne limity |
3. Współpraca agentów w sieci
Consensus (uzgadnianie)
Problem: Agenty mają osiągnąć wspólną wartość
Protokół consensus:
ẋᵢ = Σⱼ∈Nᵢ aᵢⱼ(xⱼ - xᵢ)
gdzie:
- xᵢ = stan agenta i
- Nᵢ = sąsiedzi agenta i
- aᵢⱼ = waga połączenia
Forma macierzowa:
ẋ = -L·x
L = Laplacian grafu komunikacji
┌─────────────────────────────────────────────────────────────────┐
│ Przykład: 4 agenty, różne wartości początkowe │
│ │
│ x(t) │
│ ↑ │
│ 5 │ ● │
│ 4 │ ●───────────────────────────● consensus │
│ 3 │ ●───────────────────────● value │
│ 2 │ ●───────────────────● │
│ 1 │ ●─────────────────────────────● │
│ └─────────────────────────────────→ t │
│ │
│ Wszystkie wartości zbiegają do średniej │
└─────────────────────────────────────────────────────────────────┘
Formation Control (formacje)
Problem: Utrzymanie geometrycznej formacji
Agent i:
ẋᵢ = Σⱼ∈Nᵢ aᵢⱼ[(xⱼ - xᵢ) - (dⱼ* - dᵢ*)]
gdzie dᵢ* = pozycja docelowa agenta i w formacji
Przykład - formacja trójkąta:
Start: Cel:
● ● ●
● ● / \
● ●───●
Flocking (stado)
Trzy zasady Reynoldsa:
1. SEPARATION: Unikaj kolizji z sąsiadami
Fₛₑₚ = -Σ (xⱼ - xᵢ)/||xⱼ - xᵢ||²
2. ALIGNMENT: Dopasuj prędkość do sąsiadów
Fₐₗᵢₘ = Σ (vⱼ - vᵢ)
3. COHESION: Dąż do centrum grupy
Fₖₒₕ = (x̄ - xᵢ)
┌─────────────────────────────────────────────────────────────────┐
│ ●→ │
│ ●→ ●→ ●→ │
│ ●→ ●→ │
│ ●→ ●→ ●→ │
│ ●→ ●→ │
│ │
│ Ptaki/ryby poruszają się jako zorganizowana grupa │
└─────────────────────────────────────────────────────────────────┘
4. Problemy w osiąganiu pożądanego zachowania
4.1 Problemy komunikacyjne
┌─────────────────────────────────────────────────────────────────┐
│ OPÓŹNIENIA (Delays): │
│ │
│ ẋᵢ(t) = Σⱼ aᵢⱼ[xⱼ(t - τᵢⱼ) - xᵢ(t)] │
│ │
│ Duże τ → niestabilność, oscylacje │
│ │
│ UTRATA PAKIETÓW: │
│ │
│ Agent nie otrzymuje informacji od sąsiada │
│ → Stale dane, błędne decyzje │
│ │
│ OGRANICZONA PRZEPUSTOWOŚĆ: │
│ │
│ Kwantyzacja informacji │
│ → Błędy zaokrągleń, limit cykli │
└─────────────────────────────────────────────────────────────────┘
4.2 Problemy topologii
| Problem | Opis | Skutek |
|---|---|---|
| Słaba łączność | Graf niespójny | Brak consensus |
| Zmiana topologii | Agenty się przemieszczają | Niestabilność |
| Single point of failure | Kluczowy węzeł pada | Rozpad sieci |
| Partycjonowanie | Sieć dzieli się | Lokalne consensus |
Graf spójny: Graf niespójny:
●───● ●───● ●───●
│ │ │ │
●───● ● ●
Consensus: TAK Consensus: NIE
(dwa osobne clustry)
4.3 Problemy dynamiczne
┌─────────────────────────────────────────────────────────────────┐
│ HETEROGENICZNOŚĆ: │
│ Agenty mają różne dynamiki (szybkie vs wolne) │
│ → Różne szybkości zbieżności │
│ │
│ SATURACJA AKTUATORÓW: │
│ |uᵢ| ≤ uₘₐₓ (fizyczne ograniczenia) │
│ → Wolniejsza zbieżność, możliwy brak zbieżności │
│ │
│ ZAKŁÓCENIA: │
│ ẋᵢ = f(x) + wᵢ(t) gdzie wᵢ = szum │
│ → Błąd steady-state, oscylacje wokół celu │
│ │
│ ADVERSARIAL AGENTS: │
│ Złośliwy agent wysyła fałszywe dane │
│ → Consensus na błędnej wartości │
│ Rozwiązanie: Byzantine fault tolerance │
└─────────────────────────────────────────────────────────────────┘
5. Warunki zbieżności consensus
Twierdzenie: Protokół consensus ẋ = -Lx zbiega do consensus ⟺
Graf komunikacji jest (słabo) spójny
Szybkość zbieżności ~ λ₂(L) (algebraic connectivity)
Większe λ₂ → szybsza zbieżność
Dla grafów skierowanych:
- Potrzebny spanning tree
- Wartość consensus = ważona średnia
6. Przykłady zastosowań
| Zastosowanie | Agenty | Współpraca |
|---|---|---|
| Swarm robotics | Roboty | Eksploracja, transport |
| Vehicular platoon | Pojazdy | Jazda w kolumnie |
| Smart grid | Generatory | Balansowanie mocy |
| Sensor networks | Sensory | Distributed estimation |
| UAV coordination | Drony | Surveillance, delivery |
🧠 Mnemoniki
"CPS = Cyber + Physical + Sensors":
Trzy elementy systemu cyber-fizycznego
"Consensus = Laplacian = -Lx":
Protokół consensus używa Laplacianu grafu
"SAC = Separation, Alignment, Cohesion":
Trzy zasady flockingu Reynoldsa
❓ Pytania dodatkowe
Q1: "Jak modelować opóźnienia w komunikacji?"
Odpowiedź: Delay differential equations (DDE): ẋ(t) = f(x(t), x(t-τ)). Analiza stabilności: metody Lyapunova-Krasovskiego, analiza wartości własnych z delay. Kompensacja: predyktory Smitha, robust control.
Q2: "Co to jest algebraic connectivity?"
Odpowiedź: Druga najmniejsza wartość własna Laplacianu grafu (λ₂). Mierzy jak dobrze graf jest połączony. λ₂ > 0 ⟺ graf spójny. Większe λ₂ = szybsza zbieżność consensus.
Q3: "Jak zapewnić odporność na złośliwe agenty?"
Odpowiedź: Byzantine fault tolerance: F-local / F-total model, W-MSR algorithm (Weighted Mean-Subsequence-Reduced), redundancja informacji, reputation systems.
🎯 Kluczowe punkty
- CPS: Hybrid systems (ciągła + dyskretna dynamika)
- Consensus: ẋ = -Lx, zbieżność do wspólnej wartości
- Flocking: Separation, Alignment, Cohesion
- Problemy: Delays, packet loss, topology changes
- Warunek: Graf spójny dla consensus
📖 Źródła
- Olfati-Saber, Murray - "Consensus Problems in Networks of Agents"
- Mesbahi, Egerstedt - "Graph Theoretic Methods in Multiagent Networks"
- Bullo - "Lectures on Network Systems"