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

Resumo Técnico: Detecção de Falhas Baseada em Observador Distribuído sobre Sistemas Inteligentes de Veículos em Rede

Formulação do Problema
Este artigo aborda o desafio de estimação de estado e detecção de falhas em Sistemas Inteligentes de Transporte (ITS) de tráfego misto, compreendendo Veículos Autônomos Conectados (CAVs) e Veículos Conduzidos por Humanos (HDVs). O problema central envolve um grupo de CAVs tentando rastrear o estado global (posições e velocidades) de um grupo de HDVs utilizando apenas medições parciais e locais de sensores. Uma restrição crítica é que nenhuma CAV individual possui um conjunto de medições locais suficiente para tornar o sistema inteiro de HDVs observável (ou seja, não há observabilidade local $(A, C_i)$). Além disso, o sistema deve operar sem uma unidade de processamento centralizada, confiando em vez disso em comunicação distribuída. Um desafio adicional significativo é a potencial ocorrência de falhas de sensores, vieses ou ciberataques (por exemplo, injeção de dados falsos) nas CAVs, o que poderia corromper o processo de estimação distribuída e levar a rastreamentos errôneos em toda a rede.

Metodologia
Os autores propõem um framework distribuído em duas etapas: um observador distribuído em escala de tempo única para estimação de estado e mecanismos localizados de Detecção e Isolamento de Falhas (FDI) baseados em análise de resíduos.

1. Projeto do Observador Distribuído:
   O artigo introduz um observador distribuído onde cada CAV $i$ estima o estado global $x_k$ de todos os HDVs. O observador opera em duas etapas:

   • Previsão: As CAVs realizam uma etapa de consenso sobre estimativas a priori usando uma matriz de consenso estocástica por linhas $W$ derivada da topologia da rede de comunicação $\mathcal{G}$.
   • Atualização de Inovação: As CAVs atualizam suas estimativas usando medições locais e informações compartilhadas pelos vizinhos.
     Crucialmente, este observador é de escala de tempo única, o que significa que ele realiza apenas uma etapa de consenso entre passos de tempo consecutivos da dinâmica do sistema ($k$ e $k+1$). Isso contrasta com abordagens existentes de múltiplas escalas de tempo que exigem múltiplos loops internos de consenso (etapas $L$) entre atualizações do sistema, reduzindo assim a sobrecarga de comunicação e computação. A estabilidade do observador depende da observabilidade distribuída, definida pela observabilidade do par $(W \otimes A, D_C)$, onde $D_C$ é uma matriz de observação compartilhada. Esta condição exige que a rede de CAVs seja fortemente conectada, mas não requer observabilidade local em qualquer nó individual.

2. Detecção e Isolamento de Falhas (FDI):
   O artigo propõe estratégias de FDI localizadas que detectam anomalias nas medições dos sensores sem coordenação central. Dois tipos de lógica são desenvolvidos:

   • Detecção sem Estado: Baseada em resíduos instantâneos ($r_k = |y_k - \hat{y}_k|$). As decisões são tomadas imediatamente com base no valor atual do resíduo.
   • Detecção com Estado: Baseada no histórico de resíduos ao longo de uma janela de tempo deslizante $T$. Isso utiliza uma medida de distância (soma dos resíduos ao quadrado) seguindo uma distribuição Qui-quadrado para integrar informações temporais, reduzindo a sensibilidade a picos transitórios de ruído.

   Um avanço metodológico chave é o uso de projeto probabilístico de limiares em vez de limites determinísticos. Os limiares são derivados das propriedades estatísticas da covariância do erro de estimação e das estatísticas de ruído (assumindo ruído Gaussiano), permitindo o cálculo de Taxas de Falsa Alarme (FAR). A matriz de ganho $K$ é projetada via Desigualdades Matriciais Lineares (LMIs) para garantir que o resíduo em um sensor com falha seja significativamente maior do que em sensores vizinhos, permitindo o isolamento.

Principais Contribuições

• Observabilidade Distribuída sem Assunções Locais: O trabalho demonstra que as CAVs podem rastrear estados de HDVs globalmente, mesmo quando nenhuma CAV individual pode observar o sistema localmente, desde que a rede seja fortemente conectada e a observabilidade distribuída seja válida.
• Eficiência de Escala de Tempo Única: O observador proposto elimina a necessidade de loops internos de consenso, oferecendo uma solução mais eficiente computacionalmente e em termos de comunicação em comparação com métodos de múltiplas escalas de tempo encontrados na literatura anterior.
• FDI Probabilística: O artigo introduz a limiarização probabilística para detecção de falhas, que é mais realista para aplicações de ITS do que a limiarização determinística, pois não assume que o ruído tenha suporte limitado. Fornece fórmulas explícitas para FAR baseadas em probabilidades de detecção.
• Isolamento Localizado: A estratégia permite que cada CAV detecte e isole independentemente sensores com falha em sua vizinhança, prevenindo a propagação de falhas através da rede.

Resultados
O artigo valida os métodos propostos através de simulações envolvendo redes de tráfego misto:

• Desempenho do Observador: Em um cenário de 4 CAVs/4 HDVs, o observador distribuído rastreou com sucesso posições e velocidades de HDVs, alcançando consenso apesar de medições parciais.
• Escalabilidade: Em uma simulação em grande escala (25 CAVs, 25 HDVs), o observador de escala de tempo única proposto demonstrou menor Erro Quadrático Médio (MSE) e sobrecarga computacional/de comunicação significativamente reduzida em comparação com um observador de múltiplas escalas de tempo com loops internos de consenso (onde $L=7, 10, 15$).
• Detecção de Falhas: Simulações com falhas de sensores injetadas (vieses) mostraram que tanto as estratégias de FDI sem estado quanto com estado puderam detectar e isolar falhas.
  • A detecção com estado usando uma janela deslizante ($T=15$) alcançou uma Taxa de Falsa Alarme (FAR) inferior a 0,3%, demonstrando alta confiabilidade contra falsos alarmes em comparação com a abordagem sem estado.
  • Os métodos permaneceram eficazes mesmo sob condições de grande ruído e incerteza, embora os limiares de detecção tenham aumentado, levando a FARs mais altas em cenários de ruído extremo.

Significado e Alegações
Os autores afirmam que este trabalho preenche uma lacuna na literatura relativa à FDI baseada em observador distribuído para rastreamento de tráfego misto. O significado reside em permitir a tomada de decisão descentralizada para segurança e segurança em sistemas de tráfego heterogêneos. Ao remover a dependência de um processador central e de suposições de observabilidade local, a abordagem aprimora a escalabilidade e a resiliência. A natureza probabilística da FDI é destacada como uma abordagem mais realista para sistemas de transporte do mundo real, onde o ruído não é estritamente limitado. O artigo conclui que essas estratégias descentralizadas melhoram a confiabilidade e a segurança dos ITS, permitindo que os veículos estimem estados colaborativamente e identifiquem localmente sensores comprometidos, prevenindo falhas em cascata. Direções de pesquisa futura identificadas incluem o projeto de observadores tolerantes a atrasos, o projeto de topologia de rede resiliente (redes sobreviventes) e a integração desses métodos de FDI com estratégias de controle cooperativo.