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

기술 요약: 지능형 네트워크 다중 차량 시스템의 분산 관측기 기반 고장 탐지

문제 정의
본 논문은 연결된 자율 주행 차량 (CAV) 과 인간 운전 차량 (HDV) 으로 구성된 혼합 교통 지능형 교통 시스템 (ITS) 에서 상태 추정 및 고장 탐지의 과제를 다룹니다. 핵심 문제는 부분적인 국소 센서 측정값만을 사용하여 CAV 그룹이 HDV 그룹의 전역 상태 (위치 및 속도) 를 추적하려는 시도에 있습니다. 중요한 제약 조건은 단일 CAV 가 전체 HDV 시스템을 관측 가능하게 만드는 데 충분한 측정값 집합을 국소적으로 보유하지 못한다는 점입니다 (즉, 국소 $(A, C_i)$-관측 불가능). 또한, 시스템은 중앙 집중식 처리 장치 없이 분산 통신에 의존하여 작동해야 합니다. 추가적인 중요한 과제는 CAV 의 센서 고장, 편향, 또는 사이버 공격 (예: 허위 데이터 주입) 이 분산 추정 과정을 오염시키고 네트워크 전반에 잘못된 추적을 초래할 수 있다는 점입니다.

방법론
저자들은 상태 추정을 위한 단일 시간 척도 분산 관측기와 잔차 분석에 기반한 국소화된 고장 탐지 및 격리 (FDI) 메커니즘으로 구성된 2 단계 분산 프레임워크를 제안합니다.

1. 분산 관측기 설계:
   본 논문은 각 CAV $i$ 가 모든 HDV 의 전역 상태 $x_k$ 를 추정하는 분산 관측기를 소개합니다. 관측기는 두 단계로 작동합니다:

   • 예측: CAV 들은 통신 네트워크 토폴로지 $\mathcal{G}$ 에서 유도된 행 확률적 합의 행렬 $W$ 를 사용하여 사전 추정치에 대한 합의 단계를 수행합니다.
   • 혁신 업데이트: CAV 들은 국소 측정값과 이웃으로부터 공유된 정보를 사용하여 추정치를 업데이트합니다.
     핵심적으로, 이 관측기는 단일 시간 척도로, 연속된 시스템 동역학 시간 단계 ($k$ 및 $k+1$) 사이에 하나의 합의 단계만 수행합니다. 이는 시스템 업데이트 사이에 여러 개의 내부 합의 루프 ($L$ 단계) 를 필요로 하는 기존 다중 시간 척도 접근법과 대조되며, 이로 인해 통신 및 계산 오버헤드가 감소합니다. 관측기의 안정성은 공유 관측 행렬 $D_C$ 인 쌍 $(W \otimes A, D_C)$ 의 관측 가능성으로 정의되는 분산 관측 가능성에 의존합니다. 이 조건은 CAV 네트워크가 강하게 연결되어야 하지만 개별 노드에서의 국소 관측 가능성은 요구하지 않습니다.

2. 고장 탐지 및 격리 (FDI):
   본 논문은 중앙 조정 없이 센서 측정값의 이상을 탐지하는 국소화된 FDI 전략을 제안합니다. 두 가지 논리 유형이 개발되었습니다:

   • 상태 비저장 탐지: 즉각적인 잔차 ($r_k = |y_k - \hat{y}_k|$) 에 기반합니다. 결정은 현재 잔차 값에 따라 즉시 내려집니다.
   • 상태 저장 탐지: 슬라이딩 시간 창 $T$ 에 걸친 잔차의 이력에 기반합니다. 이는 시간적 정보를 통합하고 일시적인 노이즈 스파이크에 대한 민감도를 낮추기 위해 카이제곱 분포를 따르는 거리 측정 (잔차 제곱합) 을 활용합니다.

   주요 방법론적 진전은 결정론적 경계 대신 확률론적 임계값 설계를 사용하는 것입니다. 임계값은 추정 오차 공분산과 노이즈 통계 (가우시안 노이즈 가정) 의 통계적 속성에서 유도되어 오경보율 (FAR) 을 계산할 수 있게 합니다. 이득 행렬 $K$ 는 고장 난 센서의 잔차가 이웃 센서의 잔차보다 현저히 크도록 보장하여 격리를 가능하게 하기 위해 선형 행렬 부등식 (LMI) 을 통해 설계됩니다.

주요 기여

• 국소 가정 없는 분산 관측 가능성: 이 연구는 네트워크가 강하게 연결되고 분산 관측 가능성이 성립하는 경우, 단일 CAV 가 시스템을 국소적으로 관측할 수 없더라도 CAV 가 HDV 상태를 전역적으로 추적할 수 있음을 입증합니다.
• 단일 시간 척도 효율성: 제안된 관측기는 내부 합의 루프의 필요성을 제거하여 기존 문헌의 다중 시간 척도 방법보다 계산 및 통신적으로 더 효율적인 솔루션을 제공합니다.
• 확률론적 FDI: 본 논문은 노이즈가 제한된 범위를 갖지 않는다는 가정 하에 ITS 응용 분야에 더 현실적인 확률론적 임계값을 고장 탐지에 도입합니다. 이는 탐지 확률에 기반한 명시적인 FAR 공식을 제공합니다.
• 국소화된 격리: 이 전략은 각 CAV 가 이웃의 고장 센서를 독립적으로 탐지하고 격리하여 네트워크 전반의 고장 전파를 방지합니다.

결과
본 논문은 혼합 교통 네트워크를 포함하는 시뮬레이션을 통해 제안된 방법을 검증합니다:

• 관측기 성능: 4 대의 CAV 와 4 대의 HDV 시나리오에서 분산 관측기는 부분 측정에도 불구하고 HDV 의 위치와 속도를 성공적으로 추적하여 합일에 도달했습니다.
• 확장성: 대규모 시뮬레이션 (CAV 25 대, HDV 25 대) 에서 제안된 단일 시간 척도 관측기는 내부 합의 루프가 있는 다중 시간 척도 관측기 ($L=7, 10, 15$) 에 비해 더 낮은 평균 제곱 오차 (MSE) 와 현저히 감소된 계산/통신 오버헤드를 보여주었습니다.
• 고장 탐지: 주입된 센서 고장 (편향) 을 포함한 시뮬레이션은 상태 비저장 및 상태 저장 FDI 전략 모두 고장을 탐지하고 격리할 수 있음을 보여주었습니다.
  • 슬라이딩 창 ($T=15$) 을 사용한 상태 저장 탐지는 0.3% 미만의 오경보율 (FAR) 을 달성하여 상태 비저장 접근법에 비해 오경보에 대한 높은 신뢰성을 입증했습니다.
  • 이 방법들은 큰 노이즈와 불확실성 조건에서도 효과적이었으나, 탐지 임계값이 증가하여 극단적인 노이즈 시나리오에서는 더 높은 FAR 로 이어졌습니다.

의의 및 주장
저자들은 이 연구가 혼합 교통 추적에 관한 분산 관측기 기반 FDI 에 있어 문헌의 공백을 메운다고 주장합니다. 그 중요성은 이질적인 교통 시스템의 안전과 보안을 위한 분산 의사결정을 가능하게 한다는 점에 있습니다. 중앙 처리 장치와 국소 관측 가능성 가정에 대한 의존성을 제거함으로써 이 접근법은 확장성과 복원력을 향상시킵니다. FDI 의 확률론적 성격은 노이즈가 엄격하게 제한되지 않는 실제 교통 시스템에 더 현실적인 접근법으로 강조됩니다. 본 논문은 이러한 분산 전략이 차량이 협력적으로 상태를 추정하고 국소적으로 손상된 센서를 식별하여 연쇄 고장을 방지함으로써 ITS 의 신뢰성과 안전성을 향상시킨다고 결론지었습니다. 향후 연구 방향으로는 지연 허용 관측기 설계, 복원력 있는 네트워크 토폴로지 설계 (생존 가능한 네트워크), 그리고 이러한 FDI 방법을 협력 제어 전략과 통합하는 것이 포함됩니다.