Gekoppeltes anforderungsgetriebenes Testen von CPS: Von der Simulation zur Realität

핵심 개념

Ein strukturierter und flexibler Testprozess für CPS, insbesondere für kleine unbemannte Luftfahrtsysteme (sUAS), der Simulation, Hardware-in-the-Loop und Feldtests integriert, um die Validierung von Systemanforderungen und Sicherheitsanalysen zu unterstützen.

초록

Der Artikel präsentiert einen strukturierten Testprozess für cyber-physikalische Systeme (CPS), mit einem besonderen Fokus auf kleine unbemannte Luftfahrtsysteme (sUAS). Der Prozess umfasst mehrere Phasen:

Modellierung der Systemanforderungen und Verifikations- und Validierungseigenschaften.
Testdesign und -management, einschließlich der Definition von Testszenarien und Fidelitätsstufen (LoF) für die Testausführung.
Generierung und Ausführung konkreter Testskripte (Test Stories) in verschiedenen Ausführungskontexten (Simulation, Hardware-in-the-Loop, Feldtests).
Analyse der Testergebnisse und Erstellung von Testberichten, die als Grundlage für Sicherheitsanalysen dienen können.

Der Prozess zielt darauf ab, die Lücke zwischen Simulation und Realität zu überbrücken, indem er eine strukturierte Vorgehensweise für das Testen von CPS in verschiedenen Umgebungen bietet. Dies ermöglicht eine bessere Rückverfolgbarkeit zwischen Anforderungen, Testfällen und Sicherheitsanalysen.

통계

Die Flugbahn wies eine Abweichung von weniger als 5% auf.
Der sUAS konnte Windböen von bis zu 23 mph standhalten.
40% der Umgebung waren mit Hindernissen belegt.

인용구

"Failures in safety-critical Cyber-Physical Systems (CPS), both software and hardware-related, can lead to severe incidents impacting physical infrastructure or even harming humans."
"Current simulation and field testing practices, particularly in the domain of small Unmanned Aerial Systems (sUAS), are ad-hoc and lack a thorough, structured testing process."

핵심 통찰 요약

Coupled Requirements-driven Testing of CPS

by Ankit Agrawa... 게시일 arxiv.org 03-26-2024

https://arxiv.org/pdf/2403.16287.pdf

더 깊은 질문

Wie kann der Prozess auf andere Domänen wie autonome Roboter in Industrieumgebungen erweitert werden?

Um den Prozess auf andere Domänen wie autonome Roboter in Industrieumgebungen zu erweitern, können folgende Schritte unternommen werden:

Anpassung der Anforderungen: Die spezifischen Anforderungen für autonome Roboter in Industrieumgebungen müssen identifiziert und in das bestehende Anforderungsmodell integriert werden.
Erweiterung des V&V-Modells: Das Verifikations- und Validierungsmodell muss um Eigenschaften erweitert werden, die für die Roboter in Industrieumgebungen relevant sind, wie z.B. Sicherheitsfunktionen, Interaktion mit menschlichen Arbeitern usw.
Anpassung des Testmodells: Das Testmodell muss entsprechend angepasst werden, um die spezifischen Testfälle und Szenarien für autonome Roboter in Industrieumgebungen abzudecken.
Integration von Simulatorfunktionen: Die Simulationsumgebung muss um Funktionen erweitert werden, die die Besonderheiten von Industrieumgebungen berücksichtigen, z.B. die Darstellung von Produktionsanlagen, Maschinen, und Arbeitsabläufen.
Durchführung von Tests in verschiedenen LoFs: Die Tests sollten schrittweise von Simulationstests (LoF-1) über HITL-Tests (LoF-2) bis hin zu Feldtests (LoF-3) durchgeführt werden, um die Robustheit und Zuverlässigkeit der Roboter in realen Umgebungen zu gewährleisten.

Wie kann die Konsistenz zwischen den verschiedenen Modellen (Anforderungen, Verifikation/Validierung, Tests) automatisch sichergestellt werden?

Die Konsistenz zwischen den verschiedenen Modellen kann automatisch sichergestellt werden, indem folgende Maßnahmen ergriffen werden:

Verwendung von Modellierungswerkzeugen: Einsatz von Modellierungswerkzeugen, die die Möglichkeit bieten, Beziehungen zwischen den Modellen zu definieren und automatisch zu überprüfen.
Automatisierte Traceability: Implementierung eines automatisierten Traceability-Systems, das sicherstellt, dass Änderungen in einem Modell automatisch in anderen Modellen reflektiert werden.
Konsistenzprüfungen: Regelmäßige Konsistenzprüfungen zwischen den Modellen, um sicherzustellen, dass alle Modelle synchronisiert und auf dem neuesten Stand sind.
Verwendung von Metamodellen: Die Verwendung von Metamodellen, die die Struktur und Beziehungen zwischen den verschiedenen Modellen definieren, um sicherzustellen, dass die Konsistenz gewahrt bleibt.
Automatisierte Validierung: Automatisierte Validierungsprozesse, die sicherstellen, dass die Modelle den definierten Kriterien entsprechen und keine Inkonsistenzen aufweisen.

Wie kann der Simulator-zu-Realität-Gap quantifiziert und reduziert werden, um die Übertragbarkeit der Simulationsergebnisse auf die Realität zu verbessern?

Um den Simulator-zu-Realität-Gap zu quantifizieren und zu reduzieren, können folgende Schritte unternommen werden:

Datenerfassung in der Realität: Erfassung von Echtzeitdaten während der Feldtests, um die tatsächlichen Leistungen und Verhaltensweisen der autonomen Roboter in realen Industrieumgebungen zu verstehen.
Vergleich von Simulation und Realität: Durchführung von umfassenden Vergleichen zwischen den Simulationsergebnissen und den Feldtestergebnissen, um Diskrepanzen und Abweichungen zu identifizieren.
Kalibrierung der Simulation: Anpassung der Simulationseinstellungen und -parameter basierend auf den realen Daten, um die Genauigkeit und Zuverlässigkeit der Simulationsergebnisse zu verbessern.
Validierung der Simulationsergebnisse: Durchführung von Validierungsprozessen, um sicherzustellen, dass die Simulationsergebnisse mit den realen Leistungen der autonomen Roboter übereinstimmen.
Iterative Verbesserungen: Kontinuierliche Überprüfung und Verbesserung der Simulation, basierend auf den Erkenntnissen aus den Feldtests, um den Gap zwischen Simulation und Realität zu verringern und die Übertragbarkeit der Ergebnisse zu optimieren.