CC BY
60
УДК 004.05
Н.В. Пакулин
ДИНАМИЧЕСКАЯ ВЕРИФИКАЦИЯ ГИБРИДНЫХ СИСТЕМ
N.V. Pakulin
DYNAMIC VERIFICATION OF HYBRID SYSTEMS
В последние десять лет практически повсеместно аналоговые контуры управления вытесняются цифровыми. В настоящее время ведутся работы по созданию цифровых систем управления критическими системами: «интеллектуальные подстанции» в электроэнергетике, «интегрированная модульная авионика» в авиации, «интеллектуальные фабрики» в промышленности и т. д.
Внедрение крупномасштабных систем с цифровыми каналами управления, отказы в которых могут повлечь тяжелые последствия, вплоть до катастрофических, требует создания новых методов анализа и верификации, в частности моделирования таких систем и верификации корректности и надежности гибридных систем на моделях.
Рассмотрены методы верификации моделей гибридных систем и предложена архитектура тестового стенда для проведения динамической верификации гибридной системы.
ГИБРИДНЫЕ СИСТЕМЫ; КИБЕРФИЗИЧЕСКИЕ СИСТЕМЫ; ВЕРИФИКАЦИЯ НА МОДЕЛЯХ; ДИНАМИЧЕСКАЯ ВЕРИФИКАЦИЯ; ТЕСТИРОВАНИЕ; UNITESK.
In the recent decade we face aggressive replacement of analogue control loops with digital ones. There are ongoing projects for digital control even for critical systems: «Smart Grids» in power industry, «Integrated Modular Avionics» in aerospace, «Smart Fabrics» in manufacturing, etc. Introduction of large scale digital control channels raises the risks of faults that might result in heavy losses. Those risks call for new methods of analysis and verification, including modeling hybrid systems and model-based verification. The paper overviews a number of existing approaches to verification of hybrid systems and introduces an architecture of a test bed for dynamic verification of models of hybrid systems.
HYBRYD SYSTEMS; CYBER-PHYSICAL SYSTEMS; MODEL-BASED VERIFICATION; DYNAMIC VERIFICATION; TESTING; UNITESK.
В последние десять лет практически повсеместно аналоговые контуры управления вытесняются цифровыми: цифровые каналы связывают сенсоры и актуаторы с ЭВМ, на которых выполняются управляющие программы. Получившиеся системы, состоящие из дискретных и непрерывных процессов, получили название гибридных. Гибридные системы — это сложные взаимодействующие физические процессы, которые в реальном времени управляются сетью специализированных ЭВМ. Принципиальное отличие гибридных систем от традиционных встроенных систем заключается в масштабах: и объект управления, и управляющая система представляют собой сложные распределенные системы.
По всему миру ведутся работы по созданию цифровых систем управления крити-
ческими системами: в авиации разрабатывают и внедряют подход интегрированной модульной авионики (Integrated Modular Avionics — IMA), в электроэнергетике разрабатывают «интеллектуальные подстанции» (Smart Substation), автоматизация промышленных производств приняла новые формы «интеллектуальных фабрик» (Smart Manufacturing) и т. д.
Верификация на этапе готовых изделий и систем, безусловно, необходима, но, принимая во внимание стоимость и возможную тяжесть последствий отказов и нештатного поведения системы, верификацию необходимо вводить в цикл разработки гибридной системы как можно раньше, как минимум, на этапе проектирования.
Проектирование гибридных систем нередко включает в себя разработку модели
4
системы. Используются различные подходы и инструменты к моделированию, но всех их объединяет тот факт, что разрабатываются исполнимые модели, на которых можно исследовать эволюцию системы. В данной статье именно эти модели рассматриваются как объекты верификации.
В статье изучаются различные подходы к верификации моделей гибридных систем. Один из наиболее распространенных подходов к моделированию сложных систем — моделирование т. н. гибридными автоматами, представляющими собой переосмысление традиционных конечных автоматов на случай непрерывных воздействий.
В случае гибридной системы подсистемы могут представлять собой дискретные устройства, аналоговые устройства, физические процессы и явления, и гибридные подсистемы, поэтому в общем случае можно считать, что все компоненты гибридной системы являются гибридными подсистемами.
Несмотря на то что для гибридных автоматов разработаны различные методы верификации, нельзя сказать, что задача верификации моделей гибридных систем полностью решена. С одной стороны, композиция гибридных компонентов в систему приводит к возникновению автоматов такой сложности, перед которыми «пасуют» разработанные методы верификации. С другой, — на практике встречаются модели, которые не укладываются в концепцию гибридного автомата: численные модели, разработанные в специализированных математических пакетах, а то и вовсе программы на языках программирования общего назначения (Fortran, C++ и т. п.).
Для верификации таких моделей в статье предлагается использовать тестирование. В противовес статической верификации гибридных автоматов, при которой автомат не исполняется, тестирование требует исполнения модели, поэтому в данной статье такой подход назван динамической верификацией.
Динамическая верификация должна проводиться в специализированном, контролируемом окружении. Такое окружение называется тестовым стендом (test harness).
Задача стенда заключается в том, чтобы построить систему взаимодействующих компонентов, каждый из которых является некоей гибридной системой. Построение такого стенда позволяет проводить верификацию сложных систем на ранних этапах разработки, до того как подсистемы воплощены «в металле». В частности, такой стенд позволит проводить анализ вариантов реализации системы в целом и ее отдельных подсистем, проверять реализуемость системных требований и достаточность выделяемых ресурсов.
Статья представляет проект по разработке архитектуры тестового стенда и методов тестирования для проведения динамической верификации моделей гибридных систем. В отличие от существующих подходов к тестированию гибридных систем в данной работе гибридная система представлена не «железом», а моделями компонентов.
Необходимо отметить, что при верификации сложной гибридной системы может оказаться, что не для всех компонентов системы существуют модели. Часть компонентов может быть представлена готовыми изделиями. Это означает, что архитектура тестового стенда для динамической верификации должна поддерживать включение немодельных компонентов наряду с модельными.
Методы моделирования гибридных систем
Методы моделирования гибридных систем можно условно разделить на два класса: методы, используемые в научной среде для разработки средств анализа и верификации гибридных систем, и методы, которые используются в инженерной практике для численного моделирования систем и взаимодействия между ними.
Гибридные автоматы. В настоящее время в научной среде наиболее широко используются методы, основанные на концепции гибридного автомата [3—5] или производные от него. В данной статье мы не будем приводить строгое определение гибридного автомата из-за его громоздкости, ограничимся качественным описанием; читатель может найти математическое определение в указанных статьях.
Говоря неформально, гибридный автомат представляет собой расширенный конечный автомат, в состояниях которого определены режимы, связанные с конечным набором дискретных и вещественных переменных. С каждым режимом определены ограничения, задающие эволюцию системы, а дуги автомата задают дискретные переходы.
В качестве примера рассмотрим термостат, обеспечивающий поддержание температуры в интервале 68—70 градусов. Эта система моделируется автоматом с двумя состояниями ВКЛ и ОТКЛ и одной вещественной переменной Т, представляющей температуру. Изменение температуры в режиме ВКЛ может определяться, например, дифференциальным уравнением dT/dt = £(100 — T), где к — константа, параметр модели. Допускается также недетерминированная спецификация режима: например, вместо конкретного дифференциального уравнения режим может задаваться неравенством к1 < dT/dt < к2, то есть ограничение на динамику вещественной переменной. Исходя из требований к термостату формулируется условие дискретного перехода: при T > 70 автомат переходит в состояние ОТКЛ. В этом состоянии динамика температуры описывается отдельным режимом, который может быть никак не связан с режимом в состоянии ВКЛ. Переход из состояния ОТКЛ в состояние ВКЛ осуществляется по достижению ограничения T < 68.
Определение гибридного автомата играет в теории гибридных систем ту же базовую роль, какую играют конечные автоматы в теории дискретных систем. На базе гибридных автоматов были разработаны подходы к моделированию составных систем и нотации для записи таких моделей. Можно указать методы иерархического моделирования гибридного поведения Shift [6] и Ptolemy [7], гибридные автоматы ввода-вывода [8], гибридные модули [9], подход к моделированию параллельных составных гибридных систем Charon [10]. Кроме того, развиваются новые направления в математической логике для описания непрерывных процессов, получившие название
дифференциальной динамической логики (см., например, [11]).
Гибридные автоматы служат основой для различных методов автоматизированного анализа и верификации моделей гибридных систем (подробнее см. далее). По этой причине в следующем пункте обсуждается вопрос извлечения гибридного автомата из численной модели.
Методы численного моделирования. Simulink/Stateflow. Мировым лидером среди производителей программных продуктов, применяемых в практических задачах моделирования гибридных систем, является компания MathWorks. Ее продукты 81ши1тк [12] и Stateflow [13] являются стандартом де-факто для разработки моделей гибридных систем.
Simu1ink представляет собой среду графического программирования моделей динамических систем. Блоки моделей могут соответствовать отдельным физическим процессам, в частности поддерживается композиция моделей в модели более высокого уровня, а также математическим преобразованиям (у = Дх)) и операторам (прежде всего, оператору дифференцирования для графического задания обыкновенных дифференциальных уравнений). Важной отличительной чертой Simu1ink является интеграция с пакетом программ численного решения уравнений МаНаЪ. Благодаря этому в Simu1ink можно импортировать математические модели сложных физических процессов, описанные на МаАаЪ, и использовать мощные средства численного решения дифференциальных уравнений. На базе Simu1ink поставляются продукты для моделирования отдельных классов динамических систем, таких как механические системы или электротехнические. Simu1ink в чистом виде не поддерживает моделирование гибридных систем, т. к. в нем нет удобных средств описания дискретных, автоматных модулей. Для решения задачи моделирования дискретной составляющей гибридной системы используется продукт Statef1ow. Эта программа предоставляет средства для описания конечных автоматов и поддерживает интеграцию с Simu1ink для спецификации непрерывной части модели.
4
В качестве внутреннего представления моделей Stateflow/Simulink используется язык Matlab.
Существуют аналоги Simulink/Stateflow, разработанные по модели открытого кода (open source): пакет Scicos [14], основанный на Scilab [15], открытой альтернативе языка Matlab.
Во второй половине 1990-х гг. в Европе был создан новый язык для описания динамических систем, получивший название Modelica [16]. Этот язык объединил лучшие концепции из представленных в то время на рынке европейских пакетов численного моделирования.
Modelica представляет собой открытый (non-proprietary), объектно-ориентированный язык, в котором эволюция переменных объекта описываются посредством уравнений. Язык позволяет специфицировать линейные, алгебраические и обыкновенные дифференциальные уравнения. На языке Modelica разработано множество моделей, поддерживается открытый репозиторий моделей Modelica Standard Library, содержащий порядка 1280 моделей компонентов и 910 функций из различных предметных областей. Язык Modelica предназначен для свободного обмена моделями между различными пакетами численного моделирования. В настоящее время нотация Modelica поддерживается более чем двумя десятками коммерческих и открытых программных продуктов [17].
Несмотря на поддержку автоматных концепций на уровне модели, в настоящее время отсутствуют средства преобразования произвольных моделей Simulink/Stateflow в гибридные автоматы в силу богатства выразительных средств языка Matlab и несоответствия концептуального представления автоматов в Stateflow дискретным переходам в гибридных автоматах [18,19].
Modelica не содержит отдельных средств для описания дискретных компонентов гибридной системы. Эта задача решается введением булевских или целочисленных переменных в модель. Задача преобразования модели на языке Modelica в гибридный автомат к настоящему времени не решена.
Доменно-специфичные методы моделиро-
вания. Наследованные модели. Несмотря на существование мощных средств численного моделирования общего назначения, таких как Simulink и Matlab, широко встречаются модели сложных систем или процессов, представленные как программы на языке программирования общего назначения (Fortran, C, Ada). Важно отметить, что методы разработки таких программ, методы моделирования физических процессов очень сильно зависят от предметной области, в силу чего данные модели называются доменно-специфичными.
Кроме того, среди моделей на языках программирования могут встречаться коды, которым уже не один десяток лет, разработанные на Fortran или Cobol, исполнявшиеся в свое время на мэйнфреймах. Такие модели можно назвать «унаследованными» (legacy) моделями.
Для таких моделей задача построения аналогичного гибридного автомата может быть решена только вручную путем анализа и обратной инженерии программного модуля. Общий подход для анализа таких моделей не существует.
Методы верификации гибридных систем
Задача верификации гибридных систем имеет ряд существенных отличий от задачи верификации программного обеспечения общего назначения.
Прежде всего, при верификации необходимо учитывать непрерывный характер физических процессов, протекающих в системе, что требует разработки специальных методов анализа по сравнению с традиционным ПО, в котором внешние события поступают преимущественно в виде дискретных событий.
В силу того что гибридные системы в подавляющем большинстве представляют собой системы «объект управления — система управления», для них актуальной является задача верификации безопасности (safety verification): верификация того факта, что при функционировании системы не может случиться «что-нибудь плохое».
Верификация гибридных автоматов. Исследования в области верификации гибридных автоматов идут преимущественно в об-
ласти верификации безопасности.
При верификации безопасности гибридной системы M задаются множество начальных состояний I и множество «безопасных» состояний S (включая ограничения на переменные состояния, в т. ч. вещественные). Задача заключается в том, чтобы установить, что при всех возможных эволюциях системы, начинающихся в состояниях из I, система остается в «безопасных» состояниях, либо построить пример достижения «небезопасного» состояния.
Необходимо отметить, что данная задача в общем случае алгоритмически неразрешима [4, 20]. Однако для простых случаев временных автоматов (timed state machine) и линейных гибридных автоматов существуют эффективные алгоритмы [21].
Один из подходов к верификации безопасности гибридных систем основывается на методе проверки на моделях (model checking). В рамках этого подхода итеративно вычисляются состояния, достижимые из текущего множества достижимых состояний, и проверяется их безопасность. Ограничения на непрерывные переменные задают криволинейный объем в многомерном пространстве. Так как анализ криволинейных поверхностей в общем случае сложен, большинство инструментов анализа используют линейные неравенства для задания ограничений на безопасные состояния. В этом случае множества допустимых значений переменных ограничены многогранниками.
Сложность методов, предложенных к настоящему времени, растет экспоненциально с увеличением числа переменных. В настоящее время наиболее совершенным инструментом этого класса считается SpaceEx [22], в котором удалось провести верификацию системы управления вертолетом, в модели которой было 28 вещественных переменных, а динамика описывалась линейными дифференциальными уравнениями [22].
Логический подход к верификации гибридных систем заключается в доказательстве теорем о том, что некоторое свойство Ф выполняется в начальных состояниях I и во всех состояниях, достижимых из них.
Основная проблема в данной области заключается в том, что современные инструменты решения булевских уравнений (SMT solvers) либо вовсе не поддерживают арифметику с вещественными числами, либо поддержка сильно ограничена (например, числа с фиксированной точкой конечной точности).
В качестве примера инструмента, позволяющего доказывать безопасность гибридных систем, можно указать KeYmaera [11, 23].
Интенсивные исследования ведутся в области абстракции, когда гибридный автомат сводится к более простому [24, 25]: ограничения заменяются на линейные неравенства, дифференциальные уравнения dx/dt = fx) заменяются на дифференциальные неравенства l < dx/dt < m, где I и m — нижняя и верхняя граница f. Для повышения степени приближения поведения упрощенного автомата к поведению исходного автомата, состояния и режимы в абстрактном разбивают на более мелкие. Цель абстрагирования гибридного автомата: получить «похожий» [26] линейный гибридный автомат, для которого есть эффективные средства анализа.
Тестирование с использованием моделей. Тестирование с использованием моделей (model-based testing) объединяет методы активного изучения поведения целевой системы (тестирования), при котором используются модели тестируемой системы. Модели могут использоваться для генерации тестовых данных, оценки корректности наблюдаемого поведения, оценки полноты тестирования.
Разработаны подходы, использующие гибридные автоматы для тестирования. В частности, инструмент CHARON [27] извлекает из описания системы в виде гибридного автомата тестовые данные и генерирует код для проведения тестирования. Требования безопасности задаются в виде предикатов темпоральной логики. Для темпоральных формул строится монитор, который в динамике верифицирует наблюдаемые трассы. Инструмент использовался как для верификации собственно модели, так и для реализации — робота Sony AIBO. Основной
4
недостаток CHARON и подобных ему инструментов заключается в том, что модель должна быть разработана в определенном формализме. Инструменты не интероперабельны: нет возможности обмениваться моделями для проведения верификации, всякий раз необходимо переписывать модель под конкретный инструмент.
Верификация численных моделей. Системы численного моделирования Simulink/ Stateflow не содержат специализированных средств тестирования; методики тестирования численных моделей также не разработаны. В документации на Simulink/ Stateflow предлагается использовать компонент SignalBuilder для генерации входных сигналов тестируемого компонента. Однако при этом отсутствуют средства определения корректности наблюдаемого поведения целевой системы (оракул) и средства оценки полноты достигнутого покрытия тестовых ситуаций.
В компании Rockwell Collins совместно с университетом Иллинойса разработан набор инструментов [28], которые преобразуют модели Simulink/Stateflow в модели на языке Lustre [29], для которых существуют эффективные методы статического анализа. Разработанная цепочка инструментов использовалась в проектах по верификации бортового авиационного оборудования.
В системе инструментов, основанных на Modelica, нет развитых средств верификации и системного тестирования [30].
Европейский институт стандартизации телекоммуникаций (ETSI) ведет работу по стандартизации расширения языка TTCN3, предназначенного для спецификации тестов для систем с непрерывными (continuous) входами и выходами [31]. Расширение позволяет записывать темпоральные предикаты на ожидаемое поведение системы с непрерывными интерфейсами, а также задавать генераторы входных данных по сложным законам.
Системное тестирование. Помимо анализа отдельных модулей и компонентов для гибридных систем особое значение имеет анализ требований безопасности на системном уровне. На текущем уровне развития методов статического анализа моде-
ли, полученные в результате композиции моделей отдельных компонентов, не поддаются анализу из-за больших размеров. Единственным практическим средством исследования гибридных систем остается системное тестирование. В системном тестировании требования к системе формулируются в виде некоторых предельных значений параметров (например, значения ускорений при маневрах) или средних значений (средний расход топлива).
Проведение системных тестов для больших гибридных систем требует построения специализированных тестовых стендов. Пожалуй, наибольшее распространение этот подход получил в авиастроении, где цена отказа системы чрезвычайно велика. Крупные испытательные стенды для бортовой электроники и оборудования получили даже собственное имя — «Железные птицы» (Iron Birds). В рамках такого стенда объединяют реальное оборудование, управляющие программы, модели окружения (атмосфера, система позиционирования, каналы связи с наземными службами и т. д.) Часть реализаций авионических компонентов может быть заменена на модели. Общая динамика полета самолета описывается аэродинамической моделью самолета, которая служит моделью системного уровня.
Аналогичные проекты по системному тестированию реализуются также в других предметных областях: электроэнергетике, железнодорожном транспорте, космонавтике.
Использование программно-аппаратных стендов для верификации гибридных систем.
Использование реалистичных программно-аппаратных моделей оборудования и коммуникационных сетей открывает следующие уникальные возможности в плане анализа надежности и верификации гибридных систем:
1. «Объем» верификации компонентов гибридной системы в условиях модельных испытаний существенно выше, чем при верификации на реальных объектах, поскольку имеются специальные технические возможности для поддержки дополнительных точек воздействия и точек контроля испытываемых систем.
2. Использование моделей оборудования и сетей позволяет гибко настраивать конфигурацию целевой системы для различных сценариев использования гибридной системы, состава и настроек оборудования, особенностей физических процессов. Настраиваемые модели позволяют верифицировать различные конфигурации объектов в разнообразных режимах функционирования, включая отказы и прочие нештатные ситуации.
3. Динамическая верификация модели гибридной системы позволяет проводить испытания отказоустойчивости и надежности систем в экстремальных режимах, при которых ошибки этих систем могут привести к катастрофическим последствиям. Подобные испытания невозможны на реальном оборудовании в силу разрушительности возможных последствий испытаний.
Без верификации на адекватных моделях анализ функциональной корректности и надежности гибридных систем трудно признать достоверным. Такой анализ может давать некорректные или плохо интерпретируемые результаты, т. к. отсутствует возможность испытывать целевую систему в условиях, приближенных к реальным. Для получения достоверных выводов о функциональной корректности и информационной безопасности необходимы реалистичные информационные потоки внутри системы, эксплуатационные настройки систем управления, работающие «по-боевому» средства обнаружения аварий и т. д.
Важность проведения всесторонних испытаний гибридных систем хорошо осознают за рубежом. С 2004 г. в США функционирует государственный стенд для испытаний систем управления объектами электроэнергетики (National SCADA Test Bed) [1], созданный по инициативе Министерства энергетики США. Стенд активно используется для оценки надежности и защищенности программных комплексов и оборудования различных производителей: Siemens, ABB и др. Однако испытания проводятся на реальном электротехническом оборудовании подстанций тестовой сети Национальной лаборатории Айдахо. С одной стороны, наличие оборудования по-
зволяет обойти проблему адекватности моделей реальным процессам. С другой стороны, на оборудовании проводится только определенный спектр испытаний, «вблизи» от штатных режимов функционирования оборудования, не содержащих риск разрушения оборудования.
В 2008-2010 гг. в США велись работы по созданию виртуального стенда для силовой электротехнической аппаратуры [2], но опубликованы только промежуточные результаты, окончательные результаты в открытых источниках не представлены. Кроме того, в проекте развивался подход ограниченной виртуализации стенда -фактически, только программы управления и сетевые обмены выполнялись в виртуальном окружении, а объекты управления были реальными физическими приборами.
Стенды, имитирующие реальное оборудование, широко используются в аэрокосмической отрасли. В качестве примеров можно указать проекты по созданию «космических челноков» в США и КК «Буран» в СССР. Модели бортовых систем разрабатываются ведущими авиастроительными компаниями, включая Локхид-Мартин, Боинг и Аэрбас. В России в настоящее время монтируются стенды магистрального самолета нового поколения МС-21. В упомянутых стендах широко используются модели физических процессов. В частности, в ГосНИИАС разработана архитектура смешанного программно-аппаратного стенда, в котором реальное бортовое оборудование получает данные от виртуальной модели самолета через цифровые каналы связи с датчиками.
Несмотря на наличие программно-аппаратных стендов и прогресс в этой области в последние годы, недостаточно разработаны методики проведения испытаний моделей гибридных систем: критерии покрытия тестовых ситуаций, методики перебора тестовых воздействий, критерии оценки корректности поведения системы (тестовые оракулы). Особенность тестирования гибридных систем по сравнению с традиционным тестированием программного обеспечения заключается в том, что в гибридных системах значительно многооб-
4
разнее представлены входные воздействия — помимо штатных сигналов, которые сами по себе представлены непрерывными физическими величинами, гибридные системы подвержены шумам в датчиках, отказам телеметрии, резким (в течение миллисекунд) изменениям окружения (возгорание, взрыв, механическое разрушение и т. п.).
Особенности тестирования гибридных систем
Гибридные системы характерны следующими особенностями:
• Системы тесно связаны функционально. Большинство подсистем нельзя изолировать друг от друга, во время функционирования они взаимодействуют друг с другом прямо или косвенно. Это взаимодействие является существенным для корректного функционирования крупномасштабных систем, связанных посредством непрерывных физических процессов.
• Значительная часть подсистем основана на аналоговых физических процессах.
• Существуют требования промышленной безопасности. Условно говоря, «чтобы все работало и не взрывалось».
• У многих подсистем есть четко выделенные режимы, в которых алгоритмы могут существенно отличаться друг от друга.
Указанные особенности гибридных систем влияют на процесс системного тестирования:
• Для тестирования гибридных систем необходимо моделировать окружение. Изолированное тестирование отдельных модулей выполняется разработчиком, при системном тестировании интересует согласованность работы отдельных систем и их влияние на поведение системы в целом. Особенность заключается в том, что окружение, скорее всего, представляет собой набор физических процессов или явлений.
• Системное тестирование проверяет выполнение интегральных характеристик функционирования системы. Соответственно, требуется верифицировать интегральное поведение совокупности систем (выдерживание курсового угла, скорости относительно воздуха и т. д.), поэтому модель поведения отдельной системы может
быть не востребована при ее тестировании.
• Внешне наблюдаемые параметры меняются непрерывно, требуются средства для спецификации ограничений на непрерывные параметры.
• Для тестирования необходим стенд, который предоставляет реалистичное окружение системы, включая модели или реализации связанных систем, модель системного уровня в целом, модель окружения и т. д.
• Существенный интерес представляет тестирование целевых систем в условиях отказов или ошибочных данных от связанных систем.
Динамическая верификация гибридных систем
Ручной перебор возможных сценариев воздействия на целевую систему в случае гибридных систем еще более трудоемкий, чем при тестировании обычных (дискретных) программных систем. Помимо дискретных входных событий такая система подвергается воздействию непрерывных физических процессов через сигналы от датчиков, а кроме дискретных выходных сообщений действует на физические процессы посредством актуаторов.
В данной работе предлагается для автоматизации тестирования гибридных систем применять подход тестирования с использованием моделей.
Тестирование с использованием моделей (model based testing) в широком смысле охватывает любые способы использования моделей для автоматизации тестирования программных и/или аппаратных систем.
Среди задач тестирования, подлежащих автоматизации, мы выделяем следующие:
спецификацию конфигурации тестируемой системы;
оценку корректности поведения тестируемой системы;
оценку качества тестирования; генерацию тестовых воздействий и тестовых последовательностей;
формирование необходимого окружения тестируемой системы.
Задача спецификации конфигурации системы заключается в задании параметров
подсистем и компонентов, описании связей межу ними и задании начального состояния.
Задача оценки корректности поведения заключается в вынесении вердикта о том, является ли наблюдаемое в ходе тестирования поведение тестируемого объекта корректным или нет. Как правило, вердикт выносится на основании проверки соответствия наблюдаемого поведения требованиям к тестируемой системе. В случае, когда эти требования представлены в виде некоторой формальной модели, проверка корректности поведения может выполняться автоматически.
Две последующие задачи напрямую связаны с целеполаганием проводимого тестирования. Примеры целей тестирования могут быть такие:
проверка того, что тестируемая система соответствует функциональным требованиям;
формирование заглушек для эмуляции окружения недоступного окружения тестируемой системы;
проверка корректности интеграции тестируемой системы с другими системами или аппаратурой;
проверка системных требований к комплексу систем;
проверка обеспечения заданных характеристик при максимальной нагрузки;
проверка устойчивости к сбоям в аппаратуре и окружении.
Задача оценки качества тестирования заключается в количественной оценке объема проведенного тестирования относительно заданных целей. Как правило, эта задача решается путем введения прямой или опосредованной метрики, в которой происходит оценка. При наличии модели, представляющей требования к системе в целом, определение метрики на основе этой модели является широко распространенной практикой. Альтернативный подход представляют собой метрики на основе покрытия исходного кода тестируемой системы. Еще одним примером метрик, определяемых на основе моделей, являются метрики, формируемые на основе выделения классов эквивалентности в модельных пространствах, представляющих в той или
иной степени пространство перебора тестовых ситуаций.
Задача генерации тестов состоит в формировании сценария тестирования, обеспечивающего достижение целевого покрытия. Часто эту задачу подразделяют на генерацию единичного тестового воздействия и генерацию тестовой последовательности. В первом случае требуется подобрать параметры для единичного тестового воздействия, в то время как во втором — необходимо сформировать последовательность воздействий для достижения заданной цели. Примером использования моделей для генерации единичных воздействий является автоматическая генерация значений параметров, попадающая в заданный класс эквивалентности, тогда как генерация тестовых последовательностей часто основывается на обходе графовых структур, Б8М, ЬТ8 и т. д. Генерация тестов на основе моделей может выполняться непосредственно в процессе тестирования, а может происходить заранее. Необходимость формирования окружения тестируемой системы возникает, когда при тестировании часть реального окружения тестируемой системы недоступна и, соответственно, для выполнения тестов требуется его эмуляция, которая может быть реализована посредством тестовых заглушек или симуляции поведения отсутствующих компонентов.
Архитектура тестового стенда. Тестирование моделей гибридных систем, состоящих из подсистем, которые в свою очередь являются гибридными системами, требует специализированного окружения. Это окружение предоставляется тестовым стендом. Задача стенда заключается в том, чтобы построить систему взаимодействующих компонентов, каждый из которых является некоей гибридной системой. Построение такого стенда позволяет проводить верификацию сложных систем на ранних этапах разработки, до того, как подсистемы воплощены «в металле». В частности, такой стенд позволит проводить анализ вариантов реализации системы в целом и ее отдельных подсистем, проверять реализуемость системных требований и достаточность выделяемых ресурсов.
4
Модели подсистем могут быть реализованы с использованием различных подходов, специфицированы в различных формализмах и выполняться в разных окружениях. Задача тестового стенда — объединить модели в общую взаимодействующую систему, обеспечить возможность подавать внешние воздействия на получившуюся систему, получить внешне наблюдаемое поведение системы и обеспечить внутренние обмены данными между компонентами системы. При этом стенд может быть распределенным, т. е. различные компоненты выполняются на различных компьютерных узлах и, возможно, под управлением различных операционных систем.
При такой постановке задачи ключевым моментом является подсистема интеграции разнородных моделей в единую систему. Поддерживая интеграцию моделей подсистем в целостную систему, стенд позволяет проводить динамическую верификацию крупной гибридной системы.
«Сердцем» тестового стенда является модель системного уровня. На вход она получает информацию о внешне наблюдаемых параметрах (например, тяге двигателя, положении внешних элементов конструкции), состоянии окружения (например, температуре среды), и рассчитывает эволюцию системы в целом.
Фактически, тестовый стенд объединяет модели подсистем в одну модель системы, а также модели окружения в одно, целостное окружение. Модели подсистем могут разрабатываться на различных языках, в рамках различных подходов и парадигм, исполняться в различных условиях.
Представляется непрактичным требовать от разработчиков моделей придерживаться единой методологии и использовать одни и те же инструменты для моделирования отдельных подсистем. Но требуется обеспечить возможность связать гетерогенные модели в одну систему.
В данной работе используется система обменов, в которой общие данные разделены на именованные переменные, причем в рамках одного вычислительного узла эти переменные разделяются посредством общей памяти (shared memory), а синхрониза-
ция значений переменных осуществляется по протоколу UDP через выделенную сеть. Запись в переменную в произвольном компоненте приводит к относительно немедленной передаче нового значения во все остальные компоненты, использующие эту переменную. Для простоты выбрана тривиальная дисциплина разрешения коллизий: предполагается, что для каждой переменной есть ровно один компонент, который может изменять значение этой переменной. Все остальные компоненты могут только читать. Разработаны адаптеры для доступа к разделяемым переменным из языков С/С++ и Python. Ведется работа по созданию адаптеров для среды численного моделирования SciCos/SciLab.
Состав подсистем, связи между ними, начальное состояние специфицируется посредством языка описания архитектуры AADL [34]. Спецификация AADL должна быть согласована с описанием взаимосвязей между подсистемами в системе обменов данными между компонентами гибридной системы. Каналы, которые связывают компоненты стенда между собой, представляются в стенде переменными: передача сообщения по каналу в модели AADL равносильна записи этого блока в разделяемую переменную. Нерешенным пока остается вопрос синхронизации модельного времени между компонентами стенда.
Требования системного уровня должны представляться моделью системного уровня. Эта модель используется для вынесения вердикта об интегральном поведении системы. Возможно, не так важно взаимодействие между компонентами, сколько выполнение требований о работе системы в целом. Модель программируется на языке высокого уровня (С или С++), прототи-пируется на динамическом языке (Python) либо разрабатывается специализированными средствами моделирования, такими как Simulink или SciLab.
Тестирование системы должно проводиться в рамках модели окружения. Так, для самолета такой моделью является атмосфера, а для трансформаторной подстанции — генераторные мощности, ЛЭП и потребители. В предлагаемом подходе окружение
представляется в виде гибридной системы, которая замыкает интегральную модель целевой системы. Важно обеспечить согласованность модели окружения, системной модели и моделей компонентов. Под согласованностью понимаются следующие свойства:
• модели датчиков в компонентах целевой системы берут значения показаний (температура, давление, влажность окружающей среды и т. п.) из некоторых разделяемых переменных; соответственно, модель окружения должна записывать значения физических величин в те же самые переменные;
• физические процессы в целевой системе влияют на состояние окружения; например, температура воздуха повышается по мере работы трансформатора — модель окружения должна учитывать эти эффекты; т. к. обмен информацией между моделями осуществляется через разделяемые переменные, то должны быть предусмотрены соответствующие переменные в моделях, и имена переменных должны совпадать;
• физические процессы в окружении влияют на состояние целевой системы; например, трансформатор нагревается быстрее при повышении температуры окружающего воздуха — модель системы должна учитывать эти эффекты; аналогично должны быть предусмотрены переменные для соответствующих параметров окружения;
• физические процессы в окружении влияют на целевую систему в целом: например, боковой ветер сносит самолет целиком; в модели системного уровня должны быть предусмотрены подобные глобальные эффекты и переменные для получения соответствующих параметров из модели окружения.
Отдельная важная задача — проверка требований промышленной безопасности. Такие требования предполагается специфицировать как формулы темпоральной логики и проверять средствами Data Stream Mining [33]. Переменные, используемые в формулах, берутся из AADL спецификации конфигурации системы.
Задачу определения покрытия в рамках предлагаемой архитектуры предполагается
решать как покрытия требований системного уровня в терминах покрытия модели системного уровня, покрытия моделей отдельных подсистем и ЛЛБЬ спецификации композиции подсистем.
Генерация тестовых последовательностей осуществляется средствами библиотеки РуТБ8К, разработанной в ИСП РАН, которая реализует алгоритмы генерации тестовой последовательности по частично заданному автомату. Специфика применения библиотеки в рамках представленной архитектуры заключается в том, что помимо дискретных событий в спецификацию тестового автомата добавляются переходы, срабатывающие по заданным ограничениям на отсчеты непрерывной физической системы. Другими словами, автомат тестирования представляет собой гибридный автомат.
Крупномасштабные системы с цифровым управлением непрерывных физических процессов — гибридные или киберфизиче-ские системы — все шире используются в промышленности, транспорте, градостроительстве. По мере роста масштабов таких систем возрастает риск аварий и техногенных катастроф. Дальнейшее развитие гибридных систем требует создания методов верификации и валидации таких систем на ранних этапах проектирования.
В статье приведен обзор академических и индустриальных подходов к моделированию и верификации гибридных систем и представлен новый подход к верификации таких систем. Подход объединяет применение гибридных автоматов для моделирования теста и модели системного уровня, и инженерных (численных) моделей для моделирования компонентов системы и окружения.
Численное моделирование используется для описания физических процессов, протекающих в объектах управления, а также в датчиках и актуаторах. Численные модели должны описывать как воздействие системы на датчики, так и эффекты от воздействий на динамические системы со стороны системы управления через актуаторы. Численные модели используются при вы-
4
несении вердикта о корректности поведения гибридной системы: например, перегрев, выгорание предохранителей и т. п. В качестве инструментов предполагается использовать свободно-распространяемые пакеты численного моделирования SciLab или Octave [32].
В данной статье не рассматриваются вопросы построения адекватных моделей физических процессов, протекающих в объектах управления гибридной системы. Мы умышленно ограничиваемся задачей тестирования модели системы в модельном окружении.
Модели событийных интерфейсов гибридной системы описывают преобразование непрерывных данных — показаний датчиков и преобразование управляющих сообщений — в действия физических объектов. Традиционные подходы к моделированию протоколов используют различные формализмы: конечные автоматы, кон-
трактные спецификации, взаимодействующие процессы, системы переходов, темпоральные логики и т. д. В представленном подходе предполагается использовать один из этих подходов (или несколько) для описания границы «физический процесс» — «цифровой протокол». В качестве инструментальных средств предполагается использовать средства библиотеки РуТБ8К.
В рамках представленного исследования ведутся работы по следующим направлениям:
интеграция численных моделей физических процессов и дискретных моделей управляющих событий;
спецификация тестов для гибридных систем;
прототип архитектуры тестового стенда для проведения динамической верификации гибридной системы.
Работы ведутся при поддержке гранта РФФИ 12-01-31453 мол а.
СПИСОК ЛИТЕРАТУРЫ
1. National SCADA Test Bed Program [электронный ресурс] / URL: http://www.inl.gov/sca-da/
2. Bergman D.C., Jin D., Nicol D.M., Yardley T.
The Virtual Power System Testbed and Inter-Tes-tbed Integration // In Proc. of the 2nd Conf. on Cyber Security Experimentation and Test, 2009.
3. Alur R., Courcoubetis C., Henzinger T., Ho P. Hybrid automata: An algorithmic approach to the specification and verification of hybrid systems // In Hybrid Systems. Springer-Verlag, 1993. LNCS 736. Pp. 209-229.
4. Alur R., Courcoubetis C., Halbwachs N., Henzinger T., Ho P., Nicollin X., Olivero A., Sifa-kis J., Yovine S. The algorithmic analysis of hybrid systems // Theoretical Computer Science. 1995. Vol. 138. Pp. 3-34.
5. Henzinger T. The theory of hybrid automata // In Proc. of the 11th IEEE Symp. on Logic in Computer Science. 1996. Pp. 278-293.
6. Deshpande A., Gollu A., Varaiya P. SHIFT: a formalism and a programming language for dynamic networks of hybrid automata // In Hybrid Systems III. Springer, 1996. LNCS 1567.
7. Eker J., Janneck J., Lee E., Liu J., Liu X., Luvig J., Neuendorffer S., Sachs S., Xiong Y. Taming Heterogeneity - the Ptolemy Approach // Proc. of the IEEE. 2003. No. 91(1). Pp. 127-144.
8. Lynch N., Segala R., Vaandrager F., Weinberg H. Hybrid I/O automata // In Hybrid Systems III: Verification and Control. 1996. LNCS 1066. Pp. 496-510.
9. Alur R., Henzinger T. Modularity for timed and hybrid systems // In 8th Internat. Conf. on Concurrency Theory. Springer-Verlag, 1997. LNCS 1243. Pp. 74-88.
10. Alur R., Dang T., Esposito J., Hur Y., Ivancic F., Kumar V., Lee I., Mishra P., Pappas G., Sokolsky O. Hierarchical modeling and analysis of embedded systems // Proc. of the IEEE. 2003. No. 91(1).
11. Platzer A. Differential dynamic logic for hybrid systems // J. Autom. Reasoning. 2008. No. 41(2). Pp. 143-189.
12. Simulink: software for numerical simulation of continuous processes [электронный ресурс] / URL: http://www.mathworks.com/products/simu-link/
13. Stateflow: framework for simulation of event-driven systems [электронный ресурс] / URL: http://www.mathworks.com/products/stateflow/
14. SciCos: open-source visual constructor of models for numerical simulation [электронный ресурс] / URL: http://www.scicos.org/
15. SciLab: open-source software for numerical computations [электронный ресурс] / URL: http://www.scilab.org/
16. Tiller M. Introduction to Physical Modelling with Modelica // The Springer International Series in Engineering and Computer Science. 2001. Vol. 615. 346 p.
17. Modelica: modelling suite [электронный ресурс] / URL: http://modelica.org/tools
18. Karsai G., Sztipanovits J., Ledeczi A., Bap-ty T. Model-integrated development of embedded software // Proc. of the IEEE. 2003. No. 91(1). Pp. 145-164.
19. Agrawal A., Simon G., Karsai G. Semantic Translation of Simulink/Stateflow models to Hybrid Automata using GReAT // Proc. of Internat. Workshop on Graph Transformation and Visual Modelling Techniques. Electronic Notes in Theoretical Computer Science. 2004.
20. Henzinger T., Kopke P., Puri A., Varaiya P. What's decidable about hybrid automata // In Proc. of the 27th ACM Symp. on Theory of Computing. 1995. Pp. 373-382.
21. Alur R., Henzinger T., Ho P.-H. Automatic symbolic verification of embedded systems // IEEE Transactions on Software Engineering. 1996. No. 22(3). Pp. 181-201.
22. Frehse G., Le Guernic C., Donze A., Cotton S., Ray R., Lebeltel O., Ripado R., Girard A., Dang T., Maler O. SpaceEx: Scalable verification of hybrid systems // In Proc. 23rd Internat. Conf. on Computer Aided Verification. Springer, 2011. LNCS 6806. Pp. 379-395.
23. Platzer A. Logical Analysis of Hybrid Systems - Proving Theorems for Complex Dynamics. Springer, 2010.
24. Alur R., Henzinger T., Lafferriere G., Pappas G. Discrete abstractions of hybrid systems // Proc. of the IEEE. 2000. No. 88(7). Pp. 971-984.
25. Clarke E.M., Fehnker A., Han Z., Krogh B.H., Stursberg O., Theobald M. Verification of hybrid systems based on counterexample-guided
abstraction refinement // In Tools and Algorithms for the Construction and Analysis of Systems. 9th Internat. Conf. 2003. LNCS 2619. Pp. 192-207.
26. Girard A., Pappas G. Approximation metrics for discrete and continuous systems // IEEE Transactions on Automatic Control. 2007. No. 52(5). Pp. 782-798.
27. Tan Li, Kim J., Sokolsky O., Lee I. ModelBased Testing and Monitoring for Hybrid Embedded Systems // Proc. of the 2004 IEEE Internat. Conf. on Information Reuse and Integration. 2004. Pp. 487-492.
28. Miller S. Bridging the Gap Between ModelBased Development and Model Checking // Lecture Notes in Computer Science. 2009. Vol. 5505. Pp 443-453.
29. Halbwachs N., Caspi P., Raymond P., Pilaud D. The Synchronous Dataflow Programming Language Lustre // Proc. of the IEEE. 1991. No. 79(9). Pp. 1305-1320.
30. Lind I., Andersson H. Model Based Systems Engineering for Aircraft Systems - How does Modelica Based Tools Fit? // In Proc. 8th Modelica Conf. 2011. Pp. 856-864.
31. ES 202 786. TTCN-3: Extensions: Support of interfaces with continuous signals. 2012. 45 p.
32 Octave: open-source software for numerical computations[aieKipoHHbÄ ресурс] / URL: http:// www.gnu.org/software/octave/
33. Babcock B., Babu S., Datar M., Motwani R., Widom J. Models and issues in data stream systems // In Proc. of the 21st ACM SIGMOD-SIGACT-SIGART Symp. on Principles of Database Systems. ACM, New York, 2002. Pp. 1-16.
34. Feiler P.H., Gluch D. P., Hudak J.J. The architecture analysis & design language (AADL): An introduction. Carnegie-Mellon Univ Pittsburgh PA Software Engineering Inst, 2006. No. CMU/ SEI-2006-TN-011.
REFERENCES
1. National SCADA Test Bed Program. Available: http://www.inl.gov/scada/
2. Bergman D.C., Jin D., Nicol D.M., Yardley T. The Virtual Power System Testbed and Inter-Testbed Integration, In CSET'09 Proceedings of the 2nd Conference on Cyber Security Experimentation and Test, 2009.
3. Alur R., Courcoubetis C., Henzinger T., Ho P. Hybrid automata: An algorithmic approach to the specification and verification of hybrid systems, In Hybrid Systems, Springer-Verlag, 1993, LNCS 736, Pp. 209-229.
4. Alur R., Courcoubetis C., Halbwachs N.,
Henzinger T., Ho P., Nicollin X., Olivero A., Sifakis J., Yovine S. The algorithmic analysis of hybrid systems, Theoretical Computer Science, 1995, Vol. 138, Pp. 3-34.
5. Henzinger T. The theory of hybrid automata, In Proceedings of the 11th IEEE Symposium on Logic in Computer Science, 1996, Pp. 278-293.
6. Deshpande A., Gollu A., Varaiya P. SHIFT: a formalism and a programming language for dynamic networks of hybrid automata, In Hybrid Systems III, Springer, 1996, LNCS 1567.
7. Eker J., Janneck J., Lee E., Liu J., Liu X., Luvig J., Neuendorffer S., Sachs S., Xiong Y. Taming
4
Heterogeneity — the Ptolemy Approach, Proceedings of the IEEE, 2003, No. 91(1), Pp. 127-144.
8. Lynch N., Segala R., Vaandrager F., Weinberg H. Hybrid I/O automata, In Hybrid Systems III: Verification and Control, 1996, LNCS 1066, Pp. 496-510.
9. Alur R., Henzinger T. Modularity for timed and hybrid systems, In 8th International Conference on Concurrency Theory, Springer-Verlag, 1997, LNCS 1243, Pp. 74-88.
10. Alur R., Dang T., Esposito J., Hur Y., Ivancic F., Kumar V., Lee I., Mishra P., Pappas G., Sokolsky O. Hierarchical modelling and analysis of embedded systems, Proceedings of the IEEE, 2003, No. 91(1).
11. Platzer A. Differential dynamic logic for hybrid systems, J. Autom. Reasoning, 2008, No. 41(2), Pp.143-189.
12. Simulink: software for numerical simulation of continuous processes. Available: http://www. mathworks.com/products/simulink/
13. Stateflow: framework for simulation of event-driven systems. Available: http://www.mathworks. com/products/stateflow/
14. SciCos: open-source visual constructor of models for numerical simulation. Available: http:// www.scicos.org/
15. SciLab: open-source software for numerical computations. Available: http://www.scilab.org/
16 Tiller M. Introduction to Physical Modeling with Modelica, The Springer International Series in Engineering and Computer Science, 2001, Vol. 615, 346 p.
17. Modelica: modelling suite. Available: http:// modelica.org/tools
18. Karsai G., Sztipanovits J., Ledeczi A., Bapty T. Model-integrated development of embedded software, Proceedings of the IEEE, 2003, No. 91(1), Pp.145-164.
19. Agrawal A., Simon G., Karsai G. Semantic Translation of Simulink/Stateflow models to Hybrid Automata using GReAT, Proceedings of International Workshop on Graph Transformation and Visual Modelling Techniques. Electronic Notes in Theoretical Computer Science, 2004.
20. Henzinger T., Kopke P., Puri A., Varaiya P. What's decidable about hybrid automata, In Proceedings of the 27th ACM Symposium on Theory of Computing, 1995, Pp. 373-382.
21. Alur R., Henzinger T., Ho P.-H. Automatic symbolic verification of embedded systems, IEEE Transactions on Software Engineering, 1996, No. 22(3), Pp. 181-201.
22. Frehse G., Le Guernic C., Donze A., Cotton S., Ray R., Lebeltel O., Ripado R., Girard A.,
Dang T., Maler O. SpaceEx: Scalable verification of hybrid systems, In Proceedings 23rd International Conference on Computer Aided Verification, Springer, 2011, LNCS 6806, Pp. 379-395.
23. Platzer A. Logical Analysis of Hybrid Systems — Proving Theorems for Complex Dynamics. Springer, 2010.
24. Alur R., Henzinger T., Lafferriere G., Pappas G. Discrete abstractions of hybrid systems, Proceedings of the IEEE, 2000, No. 88(7), Pp. 971-984.
25. Clarke E.M., Fehnker A., Han Z., Krogh B.H., Stursberg O., Theobald M. Verification of hybrid systems based on counterexample-guided abstraction refinement, In Tools and Algorithms for the Construction and Analysis of Systems, 9th International Conference, 2003, LNCS 2619, Pp. 192-207.
26. Girard A., Pappas G. Approximation metrics for discrete and continuous systems, IEEE Transactions on Automatic Control, 2007, No. 52(5), Pp. 782-798.
27. Tan Li, Kim J., Sokolsky O., Lee I. ModelBased Testing and Monitoring for Hybrid Embedded Systems, Proceedings of the 2004 IEEE International Conference on Information Reuse and Integration, 2004, Pp. 487-492.
28. Miller S. Bridging the Gap Between Model-Based Development and Model Checking, Lecture Notes in Computer Science, 2009, Vol. 5505, Pp. 443-453.
29. Halbwachs N., Caspi P., Raymond P., Pilaud D. The Synchronous Dataflow Programming Language Lustre, Proceedings of the IEEE, 1991, No. 79(9), Pp. 1305-1320.
30. Lind I., Andersson H. Model Based Systems Engineering for Aircraft Systems - How does Modelica Based Tools Fit? Proceedings 8th Modelica Conference, 2011. Pp. 856-864
31. ES 202 786. TTCN-3: Extensions: Support of interfaces with continuous signals.
32. Octave: open-source software for numerical computations. Available: http://www.gnu.org/ software/octave/
33. Babcock B., Babu S., Datar M., Motwani R., Widom J. Models and issues in data stream systems, In Proceedings of the 21st ACM SIGMOD-SIGACT- SIGART Symposium on Principles of Database Systems, ACM, New York, USA, 2002, Pp. 1-16.
34. Feiler P.H., Gluch D.P., Hudak J.J.
The architecture analysis & design language, An introduction. Carnegie-Mellon Univ Pittsburgh PA Software Engineering Inst, 2006, No. CMU/SEI-2006-TN-011.
ПАКУЛИН Николай Витальевич - старший научный сотрудник Института системного программирования РАН, кандидат физико-математических наук. 109004, Россия, Москва, ул. Александра Солженицына, д. 25. E-mail: [email protected]
PAKULIN, Nikolay V. Institute for System Programming of the Russian Academy of Sciences. 195251, Alexander Solzhenitsyn Str. 25, Moscow, Russia. E-mail: [email protected]
© Санкт-Петербургский государственный политехнический университет, 2014
