Detecção de Falhas em Robôs Móveis através de Sensores Integrados

Apresentação em tema: "Detecção de Falhas em Robôs Móveis através de Sensores Integrados"— Transcrição da apresentação:

1 Detecção de Falhas em Robôs Móveis através de Sensores Integrados
Defesa de PFC André C. Bittencourt Bo Wahlberg Alexandre Trofino Detecção de Falhas em Robôs Móveis através de Sensores Integrados

2 Definições KTH – Instituto Real de Tecnologia (1827)
A Tarefa Definições KTH – Instituto Real de Tecnologia (1827) MEUR 312 (74) 1/3 pesquisa técnica SUE CAS – Centro de Sistemas Autônomos (1996) Detecção de falhas em Robótica móvel (Sundvall 2006) A Tarefa Propôr/estudar métodos de detecção de falhas usando sensores integrados Validar métodos em um robô móvel Desafios: Definir métodos desde a proposta, incluindo Análise teórica Implementação realizada no robô 2

3 Sumário Background/Resultados Teóricos Exemplo Motivador Conclusões
A Tarefa Sumário Background/Resultados Teóricos Conceitos Básicos Descrição do Problema Solução Sugerida Detectabilidade de falhas Estrutura desconhecida de sensor Performance de métodos Exemplo Motivador Robótica Móvel Odometria Sobreposição de scans Detecção, Isolamento & Atenuação de falhas Conclusões

4 Diagnóstico de Sistemas
Background Teórico Diagnóstico de Sistemas Baseado em Modelo Geração de resíduo Paridade de Espaço (on) Observador de Estado (on) Identificação de Parâmetros (off) >50% falhas add  OE >50% falhas mult  Iden Detectar (está sob falha?) Isolar (onde, quando?) Atenuar (corrigir) Falhas Modo Comportamento temporal Detecção On/Off Uso de Modelo Sensor Processo Atuador Sensor Processo Atuador Sistema Sensor Processo Atuador Sensor Processo Atuador Sistema

5 Detecção baseada em resíduo
Background Teórico Detecção baseada em resíduo Sensor Processo Atuador Sensor Processo Atuador Condições p/ Resíduo Independente da entrada Sensível a falhas Insensível a ruídos

6 Descrição do Problema Detecção baseada em resíduo, Caso Clássico
Background Teórico Descrição do Problema Detecção baseada em resíduo, Diferença da saída de um sensor e uma predição baseada em modelo Caso Clássico Grandeza diretamente medida disponível Sensores Integrados Sem acesso à grandeza diretamente medida i.e. sistemas de navegação: sobreposição de scans GPS, odometria, SLAM Sensor 1 Observador 1 - Sensor 2 Observador 2 Sensor n Observador n . . . Sensor Observador - Sensor Integrado ??? -

7 Modelagem de Sensores Integrados
Resultados Teóricos Modelagem de Sensores Integrados Pressuposto: sensores são integrados com observadores/filtros de Kalman Falhas aparecem misturadas no observador A estrutura do sensor, i.e. o ganho do observador, afetará o sinal

8 Solução Sugerida Idéia: Estender estados internos e do sensor
Resultados Teóricos Solução Sugerida Idéia: Estender estados internos e do sensor e usar o modelo resultante para gerar o resíduo Questões: As falhas são detectáveis? E se é desconhecido? Como comparar a performance?

9 Detectabilidade de Falhas
Resultados Teóricos Detectabilidade de Falhas Suponha , incluir falhas nos estados analise a observabilidade do par resultante Se observável e rank coluna completo todas estimativas disponíveis  Temos a mesma informação e condições caso fosse disponível

10 Estrutura do sensor desconhecida
Resultados Teóricos Estrutura do sensor desconhecida A estrutura interna do sensor é abstraída a Usa-se o modelo simplificado para gerar os resíduos , o ruído artificial pode ser usado para ajustar jitter, amostras perdidas, etc (i.e. filtro de Kalman)

11 Comparação de Performance
Resultados Teóricos Comparação de Performance Análise das funções de sensitividade Compromisso Maior sensibilidade a falhas Menor sensibilidade a ruído Uso do modelo de sensor integrado Indicativo de melhoria

12 Exemplo motivador – Onde estou?
Navegação continua um dos maiores desafios Detectar e Atenuar falhas pode aumentar a confiabilidade e performance do sistema Detecção de colisão pode aumentar a segurança Sensores de Localização Odometria Sobreposição de scans

13 Sensores de Localização
Odometria - Características Integração de medidas de velocidade Baseado no deslocamento linear causado por rotação das rodas (simplificações no modelo) Confiabilidade < 15m (erros) Variância ~ deslocamento Fontes de erros Pneus mal calibrados Derrapagem Forças externas

14 Sobreposição de Scans -
Sensores de Localização Sobreposição de Scans - Características Integração do deslocamento relativo de dois scans correlacao de fase domínio de Hough + Iterative Closest Point Variância limitada Desafios Carga computacional Informatividade do ambiente (corredor)

15 Detecção EKF Média Móvel CUSUM modelo estendido sensor integrado
Regra de Parada Gerador de resíduo Medida de distância Regra de Parada EKF Medida de distância Regra de Parada EKF modelo estendido sensor integrado filtro de Kalman Média Móvel Simples Atenuação de ruídos CUSUM Soma cumulativa Atenua variância Velocidade de detecção X Alarmes falsos EKF

16 Detecção - Exemplo Detecção bem sucedida em diversos casos
Mudanças em são mais significativas

17 Isolamento Onde ( )? Quando (momento)? Quanto (tamanho)?
Resposta direta Quando (momento)? Quanto (tamanho)? Robo é segurado

18 Atenuação Reduzir erros na odometria EKF com valores atualizados

19 Conclusões Idéia Básica: Resultados: Desafios futuros:
Extender os estados (sistema + observador) Projetar um observador com modelo extendido Proceder com a detecção Resultados: Condições de observabilidade derivadas Análise de performance Validação com exemplo num robô (dados reais) Artigo publicado, SafeProcess 2009 Desafios futuros: Análise de performance mais criteriosa Modelos mais completos de sensores Métodos de auxílio ao projeto de observadores

20 Espaço para perguntas Obrigado!

21 Descrição do Problema Questão: dado o sistema,
Background Teórico Descrição do Problema Questão: dado o sistema, monitorado através de j sensores, sujeitos a ruído e falhas como gerar resíduos sensíveis a falhas ? Resposta: depende de quanta informação se tem disponível!

22 Soluções Sugeridas Reconstrução da saída Assumir ao menos 2 sensores
Resultados Teóricos Soluções Sugeridas Reconstrução da saída Requer modelo preciso do sistema e observador. Muito sensível a erros Soluções redundantes Assumir ao menos 2 sensores Bom para detectar Modelo não é usado Requer Hardware extra

23 Detectabilidade de Falhas
Resultados Teóricos Detectabilidade de Falhas Suponha , extender analise a observabilidade do par Se observável e full column rank todas estimativas disponíveis  Temos a mesma informação e condições caso fosse disponível

24 Fault observability If
Resultados Teóricos Fault observability If All estimates are available, is full column rank, should not be affecting integrating modes of the system, if any Orthogonal to the integrating modes should affect the measured part of the system Orthogonal to the non-measured modes of the system The conditions for are similar to when the raw estimates are available

25 Estrutura do sensor desconhecida
Resultados Teóricos Estrutura do sensor desconhecida Estrutura interna do sensor é abstraída a Usa-se o modelo simplificado para gerar os resíduos Filtro de Kalman por ex , o ruído artificial pode ser usado para ajusat jitter, amostras perdidas, etc

26 Estrutura do sensor desconhecida
Resultados Teóricos Estrutura do sensor desconhecida Estrutura interna do sensor é abstraída a Simplificações usadas

27 Comparação de Performance
Resultados Teóricos Comparação de Performance Análise das funções de sensitividade redução de ruídos X sensibilidade a falhas Uso do modelo integrado Indicativo de melhoria Norma proporcional a velocidade

28 Robot Models Odometry model based on the relation between wheel rotation to linear displacement Model valid for differential drive robot Simple kinematics model Robot as a rigid-body Moving in a plane

29 Scan matching Rotations are phase shifts in the HD
Estimate the transform relating two scans is the hardest to estimate is estimated through spectrum correlation in the Hough domain [Censi05] Rotations are phase shifts in the HD ICP solves the translation estimation

30 Detecção EKF Média Móvel CUSUM modelo extendido filtro de Kalman
Medida de distância Regra de Parada Gerador de resíduo Medida de distância Regra de Parada EKF Média Móvel CUSUM EKF Média Móvel Regra de Parada EKF modelo extendido filtro de Kalman Mais robusto a erros Média Móvel Simples Atenuação de ruídos CUSUM Soma cumulativa Atenua variância Velocidade X Confiabilidade EKF

31 Isolamento Onde (direção)? Quando (momento)? Quanto (tamanho)?
Resposta direta Quando (momento)? Quanto (tamanho)? Robo é segurado

32 Atenuação Atenuação EKF com valores atualizados EKF

33 Isolamento e Atenuação