論文の概要: Optimization for Infrastructure Cyber-Physical Systems

• arxiv url: http://arxiv.org/abs/2206.04794v1
• Date: Tue, 31 May 2022 00:58:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-19 23:33:00.544788
• Title: Optimization for Infrastructure Cyber-Physical Systems
• Title（参考訳）: インフラサイバー物理システムの最適化
• Authors: Arunchandar Vasan, Prasant Misra, Srinarayana Nagarathinam, Venkata Ramakrishna, Ramasubramanian Suriyanarayanan, Yashovardhan Chati
• Abstract要約: サイバー物理システム(サイバー物理的システム、CPS)は、意思決定(サイバー/コントロール)コンポーネントが物理的システムと密に統合され、リアルタイムの監視と制御を可能にするシステムである。 インフラCPSの例としては、電力網、配水網、輸送・物流網、暖房、建物内の空調(換気)などがある。 制御最適化のために、インフラCPSは通常、センサーのネットワークを備えた半自律サブシステムのシステムと見なされる。
• 参考スコア（独自算出の注目度）: 3.0646173923933446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cyber-physical systems (CPS) are systems where a decision making (cyber/control) component is tightly integrated with a physical system (with sensing/actuation) to enable real-time monitoring and control. Recently, there has been significant research effort in viewing and optimizing physical infrastructure in built environments as CPS, even if the control action is not in real-time. Some examples of infrastructure CPS include electrical power grids; water distribution networks; transportation and logistics networks; heating, ventilation, and air conditioning (HVAC) in buildings; etc. Complexity arises in infrastructure CPS from the large scale of operations; heterogeneity of system components; dynamic and uncertain operating conditions; and goal-driven decision making and control with time-bounded task completion guarantees. For control optimization, an infrastructure CPS is typically viewed as a system of semi-autonomous sub-systems with a network of sensors and uses distributed control optimization to achieve system-wide objectives that are typically measured and quantified by better, cheaper, or faster system performance. In this article, we first illustrate the scope for control optimization in common infrastructure CPS. Next, we present a brief overview of current optimization techniques. Finally, we share our research position with a description of specific optimization approaches and their challenges for infrastructure CPS of the future.
• Abstract（参考訳）: サイバー物理システム(サイバー物理的システム、CPS)は、意思決定(サイバー/コントロール)コンポーネントが物理的システムと密に統合され、リアルタイム監視と制御を可能にするシステムである。 近年,制御動作がリアルタイムでなくても,建築環境における物理インフラをCPSとして閲覧・最適化する研究が盛んに行われている。 インフラCPSの例としては、電力網、配水網、輸送・物流網、暖房、換気、空調(HVAC)などがある。 複雑性は、大規模な運用、システムコンポーネントの不均一性、動的で不確定な運用条件、時間制限されたタスク完了保証による目標主導の意思決定と制御から生じる。 制御最適化のために、インフラストラクチャcpsは通常、センサネットワークを備えた半自律サブシステムのシステムと見なされ、分散制御最適化を使用して、より良く、安く、より高速なシステム性能によって測定および定量化されるシステム全体の目標を達成する。 本稿では、共通インフラストラクチャCPSにおける制御最適化のスコープについて説明する。 次に,現在の最適化手法の概要を紹介する。 最後に,本研究の立場について,具体的な最適化手法と今後のインフラCPSへの課題について述べる。

関連論文リスト

• A Scalable Clustered Architecture for Cyber-Physical Systems [0.0]
  サイバー物理システム(CPS)は相互接続システムの運用において重要な役割を担っている。 CPSは物理的資産やプロセスの検知、監視、制御が可能な物理およびソフトウェアコンポーネントを統合している。 このプロジェクトの開発は、CPSの課題に対するソリューションの設計と実装に貢献することを目的としている。
  論文  参考訳（メタデータ） (2024-07-08T13:37:00Z)
• Building Hybrid B-Spline And Neural Network Operators [0.0]
  制御システムはサイバー物理システム(CPS)の安全性を確保するために不可欠である 本稿では,B-スプラインの帰納バイアスとデータ駆動型ニューラルネットワークを組み合わせることで,CPS行動のリアルタイム予測を容易にする手法を提案する。
  論文  参考訳（メタデータ） (2024-06-06T21:54:59Z)
• Cooperative Cognitive Dynamic System in UAV Swarms: Reconfigurable Mechanism and Framework [80.39138462246034]
  UAVスワムの管理を最適化するための協調認知力学システム(CCDS)を提案する。 CCDSは階層的かつ協調的な制御構造であり、リアルタイムのデータ処理と意思決定を可能にする。 さらに、CCDSは、UAVスワムのタスクを効率的に割り当てるための生体模倣機構と統合することができる。
  論文  参考訳（メタデータ） (2024-05-18T12:45:00Z)
• The Fusion of Deep Reinforcement Learning and Edge Computing for Real-time Monitoring and Control Optimization in IoT Environments [2.0380092516669235]
  本稿では,深層強化学習とエッジコンピューティングに基づく最適化制御システムを提案する。 その結果、このアプローチは、クラウドエッジ通信のレイテンシを低減し、異常な状況に対する応答を加速し、システム障害率を低減し、平均的な機器運用時間を延長し、手作業によるメンテナンスと置換のコストを削減できることを示した。
  論文  参考訳（メタデータ） (2024-02-28T12:01:06Z)
• TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
  産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。 本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T02:27:54Z)
• A Survey on Cyber-Resilience Approaches for Cyber-Physical Systems [0.4056667956036515]
  重要なインフラにおけるサイバー物理システムのレジリエンスに関する懸念が高まっている。 サイバーレジリエンス(サイバーレジリエンス)は、CPSの中核機能を維持することでCPSの生存を確保することを目的としている。 我々は,サイバーレジリエンスに対処する最近の文献を,CPSで使用される技術に焦点をあてて,体系的に調査する。
  論文  参考訳（メタデータ） (2023-02-10T18:03:20Z)
• A Dynamic Feedforward Control Strategy for Energy-efficient Building System Operation [59.56144813928478]
  現在の制御戦略と最適化アルゴリズムでは、そのほとんどはリアルタイムフィードバックから情報を受け取ることに依存している。 本稿では,システム制御のためのシステム特性を同時に構築することによる,ダイナミックな事前知識を組み込む,エンジニアフレンドリな制御戦略フレームワークを提案する。 典型的な制御戦略でシステム制御を加熱するケースでテストしたところ、我々のフレームワークは15%の省エネ性を持っていることがわかった。
  論文  参考訳（メタデータ） (2023-01-23T09:07:07Z)
• Delayed Propagation Transformer: A Universal Computation Engine towards Practical Control in Cyber-Physical Systems [68.75717332928205]
  マルチエージェント制御はサイバー物理システムにおいて中心的なテーマである。 本稿では,CPSのグローバルモデリングを専門とするトランスフォーマーモデルを提案する。 物理的な制約帰納バイアスが設計に組み込まれているため、DePTは幅広い種類のマルチエージェントシステムにプラグアンドプレイする準備ができています。
  論文  参考訳（メタデータ） (2021-10-29T17:20:53Z)
• Sparsity in Partially Controllable Linear Systems [56.142264865866636]
  本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。 最適制御には無関係な状態変数を特徴付ける。
  論文  参考訳（メタデータ） (2021-10-12T16:41:47Z)
• An Analysis of Distributed Systems Syllabi With a Focus on Performance-Related Topics [65.86247008403002]
  我々は、トップコンピュータサイエンスプログラムから51の現在(2019-2020)の分散システムシラビのデータセットを分析した。 本研究では,DSコースで言及されているインフラの規模を,小規模なクライアントサーバシステムからクラウドスケール,ピアツーピア,グローバルスケールシステムまで検討する。
  論文  参考訳（メタデータ） (2021-03-02T16:49:09Z)
• BLCS: Brain-Like based Distributed Control Security in Cyber Physical Systems [14.424965817318816]
  サイバーセキュリティはサイバー物理システム(CPS)のシナリオにおける最大の問題である。 CPSにおけるF-RONのためのブレインライクな分散制御セキュリティ(BLCS)アーキテクチャを提案する。 BLCSはトリパーティイトコントローラの検証においてセキュアなクロスドメイン制御を実現することができる。
  論文  参考訳（メタデータ） (2020-02-08T09:14:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。