2016 & 2017
Dissertation, RWTH Aachen University, 2016
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2017
Genehmigende Fakultät
Fak01
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2016-12-12
Online
URN: urn:nbn:de:hbz:82-rwth-2016-117618
URL: https://publications.rwth-aachen.de/record/680323/files/680323.pdf
URL: https://publications.rwth-aachen.de/record/680323/files/680323.pdf?subformat=pdfa
Einrichtungen
Inhaltliche Beschreibung (Schlagwörter)
verfication (frei) ; synthesis (frei) ; hybrid systems (frei)
Thematische Einordnung (Klassifikation)
DDC: 004
Kurzfassung
Diese Doktorarbeit befasst sich mit Methoden der Analyse und Synthese und deren Anwendung im Ingenieurswesen. Im ersten Teil zeigen wir die Anwendung formaler Methoden zur Verifikation sicherheitskritischer Eigenschaften in der Steuerung von chemischen Anlagen. Im Allgemeinen ist nicht nur das Steuerungsprogramm sondern auch das gesteuerte System relevant, um eine Anforderungsmenge zu überprüfen. Daher zeigen wir, wie ein hybrider Automat, der das Steuerungsprogramm, seine zyklische Ausführung und das dynamische Verhalten der Anlage modelliert, automatisch erzeugt werden kann.Wir entwickeln Verifikationstechniken, die Gegenbeispiel-gesteuerte Abstraktionsverfeinerung (CEGAR) verwenden, um die Modellgröße moderat zu halten. Allerdings berechnen existierende Analysetools keine Gegenbeispiele für Modelle jenseits von Zeitautomaten. Daher präsentieren wir verschiedene Methoden, um die Menge der Gegenbeispiele für hybride Automaten zu überapproximieren, und nutzen Simulationstechniken, um Gegenbeispiele zu validieren.Anschließend präsentieren wir für unser Anwendungsszenario zwei CEGAR-Verfahren. Der erste Ansatz führt eine Analyse auf einem rein diskreten Modell durch. Für jedes diskrete Gegenbeispiel wird eine Erreichbarkeitsanalyse auf dem hybriden System berechnet, die entlang des diskreten Gegenbeispiels gesteuert wird. Der zweite Ansatz verwendet Erreichbarkeitsanalyse für hybride Systeme und abstrahiert Teile des dynamischen Anlagenverhaltens.Abschließend zeigen wir, dass spezielle Eigenschaften unserer Modelle während der Analyse ausgenutzt werden können, um die Berechnungszeit zu verkürzen und die Genauigkeit der erreichbaren Zustandsmenge zu verbessern.Im zweiten Teil der Doktorarbeit widmen wir uns der Synthese von Betriebsstrategien für parallele Hybridfahrzeuge, bei denen ein elektrischer Motor mit einem Verbrennungsmotor auf einem Antriebsstrang mechanisch gekoppelt ist. Eine Betriebsstrategie verteilt das geforderte Drehmoment auf die verfügbaren Motoren.% Wir entwickeln eine C++ Bibliothek, die ein Fahrzeugmodell bereitstellt. Diese Bibliothek kann von Betriebsstrategien zur Bewertung von Lösungskandidaten genutzt werden und zur Simulation einer Kontrollstrategie zur Evaluierung.Wir implementieren eine Betriebsstrategie, die mit Hilfe von genetischen Algorithmen (GA) die Kontrolle optimiert. Die Basis dieser Strategie bildet unsere GA Bibliothek GeneiAL. Wir analysieren die Betriebsstrategie, um echtzeitfähige Konfigurationen mit guten Optimierungsergebnissen zu ermitteln und vergleichen die GA-basierte Strategie mit herkömmlichen Betriebsstrategien. Außerdem berichten wir über die Integration dieser Strategien in eine lernbasierte Betriebsstrategie, die den Kraftstoffverbrauch unter Nutzung einer Menge von Betriebsstrategien als Experten optimiert. Wir zeigen, dass der Kraftstoffverbrauch der lernbasierten Betriebsstrategie vergleichbar zum Kraftstoffverbrauch des besten Experten ist. In unseren Experimenten erweist sich die GA-basierte Strategie als bester Experte.This thesis deals with analysis and synthesis methods and their application in the area of engineering. In the first part, we show the application of formal methods in chemical plant control to verify safety critical properties. In general, not only the control program but also the controlled system are relevant to prove a set of requirements. Thus, we show how a hybrid automaton can be generated automatically, that models the controller, its cyclic execution, and the dynamic plant behavior.We propose verification techniques based on counterexample-guided abstraction refinement (CEGAR) to keep the model sizes moderate. However, existing analysis tools do not compute counterexamples for models beyond timed automata. Thus, we present different methods to over-approximate the set of counterexamples for hybrid automata and we employ simulation techniques to validate counterexamples.Afterwards, we develop two CEGAR approaches for our application scenario. The first one starts with an analysis on a purely discrete model. For each discrete counterexample, a reachability analysis that is guided along the discrete counterexample is computed on the hybrid system model. The second approach uses reachability analysis for hybrid systems and abstracts away parts of the dynamic plant behavior.Finally, we show that some special characteristics of our models can be exploited during the analysis to reduce the computation time and to increase the accuracy of the computed reachable state set.In the second part of this thesis, we switch to the synthesis of control strategies for parallel hybrid vehicles where an internal combustion engine and an electrical motor are coupled on the same axis. A control strategy distributes the requested torque over the available engines.We implement a control strategy that optimizes the control using a GA. The basis of this control strategy is our GA library GeneiAL. We analyze the control strategy to determine real-time capable configurations with good optimization results. For promising configurations, we compare the GA-based control strategy with common control strategies. Moreover, we report on the integration of this set of control strategies into a learning-based control strategy. A learning-based control strategy optimizes the fuel consumption using a set of control strategies as experts. We can show that the fuel consumption of the learning-based control strategy is comparable to the fuel consumption of the best expert. On all benchmarks, GA-based control strategies turn out to be the best experts.
OpenAccess:
PDF
PDF (PDFA)
(zusätzliche Dateien)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT019202956
Interne Identnummern
RWTH-2016-11761
Datensatz-ID: 680323
Beteiligte Länder
Germany
|
The record appears in these collections: |