Distributed Observer-based Fault Detection over Intelligent Networked Multi-Vehicle Systems

Riepilogo Tecnico: Rilevamento dei Guasti basato su Osservatore Distribuito su Sistemi di Veicoli Multipli in Rete Intelligenti

Formulazione del Problema
Questo articolo affronta la sfida della stima dello stato e del rilevamento dei guasti nei Sistemi di Trasporto Intelligenti (ITS) a traffico misto, composti da Veicoli Autonomi Connessi (CAV) e Veicoli Guidati da Umani (HDV). Il problema fondamentale riguarda un gruppo di CAV che tenta di tracciare lo stato globale (posizioni e velocità) di un gruppo di HDV utilizzando esclusivamente misurazioni parziali e locali dei sensori. Un vincolo critico è che nessuna singola CAV possiede un insieme di misurazioni locali sufficiente a rendere osservabile l'intero sistema HDV (cioè, nessuna osservabilità locale $(A, C_i)$). Inoltre, il sistema deve operare senza un'unità di elaborazione centralizzata, affidandosi invece a comunicazioni distribuite. Una sfida aggiuntiva significativa è la potenziale presenza di guasti dei sensori, bias o attacchi informatici (ad esempio, iniezione di dati falsi) sulle CAV, che potrebbero corrompere il processo di stima distribuita e portare a tracciamenti errati su tutta la rete.

Metodologia
Gli autori propongono un framework distribuito in due fasi: un osservatore distribuito a singola scala temporale per la stima dello stato e meccanismi localizzati di Rilevamento e Isolamento dei Guasti (FDI) basati sull'analisi dei residui.

1. Progettazione dell'Osservatore Distribuito:
   L'articolo introduce un osservatore distribuito in cui ogni CAV $i$ stima lo stato globale $x_k$ di tutti gli HDV. L'osservatore opera in due passaggi:

   • Predizione: Le CAV eseguono un passaggio di consenso sulle stime a priori utilizzando una matrice di consenso stocastica per righe $W$ derivata dalla topologia della rete di comunicazione $\mathcal{G}$.
   • Aggiornamento dell'Innovazione: Le CAV aggiornano le loro stime utilizzando le misurazioni locali e le informazioni condivise dai vicini.
     Crucialmente, questo osservatore è a singola scala temporale, il che significa che esegue un solo passaggio di consenso tra i passi temporali consecutivi della dinamica del sistema ($k$ e $k+1$). Ciò contrasta con gli approcci esistenti a più scale temporali che richiedono più loop interni di consenso ($L$ passi) tra gli aggiornamenti del sistema, riducendo così l'overhead di comunicazione e computazionale. La stabilità dell'osservatore si basa sull'osservabilità distribuita, definita dall'osservabilità della coppia $(W \otimes A, D_C)$, dove $D_C$ è una matrice di osservazione condivisa. Questa condizione richiede che la rete CAV sia fortemente connessa, ma non richiede osservabilità locale in alcun nodo individuale.

2. Rilevamento e Isolamento dei Guasti (FDI):
   L'articolo propone strategie FDI localizzate che rilevano anomalie nelle misurazioni dei sensori senza coordinamento centrale. Sono state sviluppate due tipologie di logica:

   • Rilevamento Stateless: Basato su residui istantanei ($r_k = |y_k - \hat{y}_k|$). Le decisioni vengono prese immediatamente in base al valore corrente del residuo.
   • Rilevamento Stateful: Basato sulla storia dei residui su una finestra temporale scorrevole $T$. Questo utilizza una misura di distanza (somma dei residui al quadrato) che segue una distribuzione Chi-quadrato per integrare le informazioni temporali, riducendo la sensibilità ai picchi transitori di rumore.

   Un avanzamento metodologico chiave è l'uso di una progettazione probabilistica delle soglie invece di limiti deterministici. Le soglie sono derivate dalle proprietà statistiche della covarianza dell'errore di stima e dalle statistiche del rumore (assumendo rumore gaussiano), permettendo il calcolo dei Tassi di Falsa Allerta (FAR). La matrice di guadagno $K$ è progettata tramite Disuguaglianze Matriciali Lineari (LMI) per garantire che il residuo a un sensore guasto sia significativamente più grande rispetto ai sensori vicini, consentendo l'isolamento.

Contributi Chiave

• Osservabilità Distribuita senza Assunzioni Locali: Il lavoro dimostra che le CAV possono tracciare globalmente gli stati degli HDV anche quando nessuna singola CAV può osservare il sistema localmente, a condizione che la rete sia fortemente connessa e che l'osservabilità distribuita sia soddisfatta.
• Efficienza a Singola Scala Temporale: L'osservatore proposto elimina la necessità di loop interni di consenso, offrendo una soluzione più efficiente dal punto di vista computazionale e comunicativo rispetto ai metodi a più scale temporali presenti nella letteratura precedente.
• FDI Probabilistica: L'articolo introduce la sogliatura probabilistica per il rilevamento dei guasti, che è più realistica per le applicazioni ITS rispetto alla sogliatura deterministica, poiché non assume che il rumore abbia supporto limitato. Fornisce formule esplicite per i FAR basate sulle probabilità di rilevamento.
• Isolamento Localizzato: La strategia permette a ogni CAV di rilevare e isolare indipendentemente i sensori guasti nel suo vicinato, prevenendo la propagazione dei guasti attraverso la rete.

Risultati
L'articolo convalida i metodi proposti attraverso simulazioni che coinvolgono reti a traffico misto:

• Prestazioni dell'Osservatore: In uno scenario 4-CAV/4-HDV, l'osservatore distribuito ha tracciato con successo le posizioni e le velocità degli HDV, raggiungendo il consenso nonostante le misurazioni parziali.
• Scalabilità: In una simulazione su larga scala (25 CAV, 25 HDV), l'osservatore a singola scala temporale proposto ha dimostrato un Errore Quadratico Medio (MSE) inferiore e un overhead computazionale/di comunicazione significativamente ridotto rispetto a un osservatore a più scale temporali con loop interni di consenso (dove $L=7, 10, 15$).
• Rilevamento dei Guasti: Le simulazioni con guasti dei sensori iniettati (bias) hanno mostrato che sia le strategie FDI stateless che stateful potevano rilevare e isolare i guasti.
  • Il rilevamento stateful con una finestra scorrevole ($T=15$) ha raggiunto un Tasso di Falsa Allerta (FAR) inferiore allo 0,3%, dimostrando un'alta affidabilità contro i falsi allarmi rispetto all'approccio stateless.
  • I metodi sono rimasti efficaci anche in condizioni di grande rumore e incertezza, sebbene le soglie di rilevamento siano aumentate, portando a FAR più elevati in scenari di rumore estremo.

Significato e Affermazioni
Gli autori affermano che questo lavoro colma una lacuna nella letteratura riguardante l'FDI basata su osservatore distribuito per il tracciamento a traffico misto. Il significato risiede nel rendere possibile il processo decisionale decentralizzato per la sicurezza e la protezione nei sistemi di traffico eterogenei. Rimuovendo la dipendenza da un processore centrale e dalle assunzioni di osservabilità locale, l'approccio migliora la scalabilità e la resilienza. La natura probabilistica dell'FDI è evidenziata come un approccio più realistico per i sistemi di trasporto reali, dove il rumore non è strettamente limitato. L'articolo conclude che queste strategie decentralizzate migliorano l'affidabilità e la sicurezza degli ITS permettendo ai veicoli di stimare collaborativamente gli stati e di identificare localmente i sensori compromessi, prevenendo guasti a cascata. Le direzioni di ricerca future identificate includono la progettazione di osservatori tolleranti ai ritardi, la progettazione di topologie di rete resilienti (reti sopravvissibili) e l'integrazione di questi metodi FDI con strategie di controllo cooperativo.