摘要
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 论文研究内容
1.4 论文组织结构
第二章 相关基础知识
2.1 大数据特性
2.2 工业大数据的需求
2.2.1 工业大数据的服务
2.2.2 工业数据的异构性
2.2.3 工业大数据面临的挑战
2.2.4 工业大数据实时处理需求
2.2.5 工业CPS信息物理融合系统
2.3 CPS信息物理融合系统理论知识
2.3.1 CPS体系结构
2.3.2 CPS的相关特点
2.4 大数据处理平台
2.4.1 批处理系统Hadoop
2.4.2 流处理系统Strom
2.4.3 流式处理系统Spark
2.5 大数据存储技术
2.6 数据访问平台
2.7 MapReduce的编程模型
第三章 云计算大数据驱动的机器人CPS系统的体系架构
3.1 大数据驱动的智能工业信息物理融合系统的分析
3.1.1 系统需求分析
3.1.2 智能工业系统架构
3.2 CPS系统体系结构
3.3 工业机器人CPS系统与云计算
3.3.1 数据感知采集与监控系统
3.3.2 数据挖掘分析及管理
3.3.3 应用层
3.4 基于HBase的工业机器人大数据的云储模型
3.5 基于Storm的工业机器人CPS系统实时处理子系统
第四章 工业机器人信息物理融合系统的建模方法
4.1 工业机器人信息物理融合系统建模需求分析
4.2 AADL介绍
4.2.1 AADL核心元组件
4.2.2 基于AADL建模方法
4.2.3 需求分析
4.2.4 系统组件的建模
4.2.5 软件平台绑定执行平台
4.3 基于Modelica物理系统建模
4.4 Modelica模型到AADL模型的转换规则
4.5 时空建模与行为建模
4.5.1 混合自动机
4.5.2 时空自动机
4.5.3 AADL行为模型扩展
4.5.4 UPPAAL简介
第五章 智能工业机器人的信息物理融合系统的设计与建模
5.1 基于Modelica的工业机器人物理系统建模
5.1.1 电机数学模型
5.1.2 连杆关节控制系统的数学模型
5.1.3 机械臂运动控制仿真
5.1.4 物理系统Modelica模型到AADL模型的转换
5.2 工业机器人CPS的AADL系统建模
5.2.1 硬件组件建模
5.2.2 软件组件建模
5.3 系统时空与行为模型
5.3.1 工业机器人空间行为建模
5.3.2 系统内部行为
5.4 系统故障管理
5.5 AADL中各个子系统绑定到执行平台
第六章 工业CPS系统AADL模型的分析与验证
6.1 可调度性分析
6.2 系统流分析
6.3 时空行为分析
总结与展望
参考文献
攻读学位期间发表的论文
声明
致谢