基于仿真的网络物理系统形式化验证

网络物理系统（CPS）已成为21世纪世界的固有组成部分。智能电网、交通和医疗等系统帮助我们顺利、成功、安全地运营我们的生活和业务。由于这些CPSs中的故障可能会产生严重、昂贵、有时甚至致命的后果，因此系统级正式验证（SLFV）工具对于最大限度地减少开发过程中及以后发生错误的可能性至关重要。基于模型的设计（MBD）工具的广泛使用支持了它们的适用性。MBD支持CPS模型的模拟，以便从最初的设计阶段检查其正确行为。缺点是复杂CPS的SLFV是一个非常耗时的过程，通常需要几个月的模拟。当前的SLFV工具旨在通过多个模拟器同时工作来加速验证过程。为此，他们提前计算所有场景，以便将其拆分并并行模拟。此外，他们计算优化的模拟活动，以便只模拟一次这些场景的公共前缀，从而避免冗余模拟。然而，仍然存在一些限制因素，阻碍了SLFV工具的更广泛应用。首先，当前工具无法根据收集到的场景优化现有数据集的模拟活动。其次，目前还没有方法来预测完成SLFV过程所需的时间。由于缺乏预测过程长度的能力，安排验证活动非常困难。在本论文中，我们介绍了如何使用模拟活动优化程序和执行时间估计器来克服这些限制。优化工具旨在通过使用数据密集型算法，从可能包含大量收集场景的现有数据集中获得优化的模拟活动，从而加快SLFV过程。估计器工具能够通过使用有效的机器无关方法来准确预测模拟给定模拟活动的执行时间。