信息物理融合系统(Cyber-Physical System,CPS)是“工业4.0”和“中国制造2025”等众多战略中的核心技术,其是集计算、通信、控制三位于一体的系统,通过感知、计算决策、反馈控制的反馈环实现信息世界和物理世界的融合。CPS广泛应用于工业制造、智能交通等行业及生活中,CPS是一类对实时性有较高要求的系统,最坏情况执行时间(Worst-Case Execution Time,WCET)分析是CPS为保障实时性所倚赖的任务调度的重要基础和输入之一,这对CPS的任务WCET分析提出了需求,而现有的CPS的任务WCET分析方面的研究并不多。现在是大数据(Big Data)时代,CPS本身具有海量性、面向海量数据,利用大数据技术处理得出的数据全面、准确、覆盖面广,具有高应用价值,可用于协助CPS的任务WCET分析。因此,本文在查阅、分析与归纳CPS、WCET以及大数据的相关的研究与文献的基础上,思考并探索三者间的关系,提出并建立了一套较为完整、全面的大数据驱动的CPS的WCET分析方法。本文首先分析并指出大数据知识可以帮助CPS修正和缩小系统WCET分析所需考虑的输入空间及状态集,从而增加WCET分析的效率以及精度。然后对主流的CPS体系结构进行列举、分析,并归纳导出CPS典型体系结构,在此基础上给出CPS任务的流程和定义、将CPS任务WCET分解成信息层(中间件)程序的WCET、网络层最大传输时间以及物理层最坏情况交互时间三个部分,并相应地给出CPS的WCET分析的包含项和路线。在上述基础上分别对信息层代码级分析及低层分析进行深入研究、详细阐述WCET分析所涉及的相关技术及工具:控制流图、Front End、控制流分析、处理器行为分析及时序异常以及三类WCET估计值计算技术:基于路径的、基于隐含路径枚举技术(IPET)的、基于结构的;并分别给出相对应的例子。最后,本文采用Simulink作为实验工具,以工业温控系统为例,对本文提出的大数据驱动的CPS的WCET分析方法与思想进行验证;对实验系统进行详尽的分析、分层次设计与建模、模拟仿真、实验数据分析并与相关方法比较。实验结果证明了本文提出的大数据驱动的CPS的WCET分析方法与思想的有效性和正确性,并表明大数据知识可以帮助提升WCET分析的精度。