[論文レビュー] Any Time Probabilistic Reasoning for Sensor Validation

Pablo H. Ibargüengoytia, Luis Enrique Sucar+1 more|arXiv (Cornell University)|Jan 30, 2013

Fault Detection and Control Systems参考文献 13被引用数 16

ひとこと要約

本稿では、二つのベイジアンネットワークを用いた、リアルタイムでのセンサーバリデーションのための「いつでも」確率的推論フレームワークを提案する。一つのネットワークはセンサの依存関係をモデル化し、故障の可能性があるセンサを特定する。もう一つのネットワークは、潜在的故障と実際の故障を結びつける。エントロピーに基づく選択指標を用いることで、アルゴリズムは故障検出の信頼性を段階的に向上させ、各ステップで確率的評価を提供する。実際の発電所の温度センサを用いた実装で妥当性が確認された。

ABSTRACT

For many real time applications, it is important to validate the information received from the sensors before entering higher levels of reasoning. This paper presents an any time probabilistic algorithm for validating the information provided by sensors. The system consists of two Bayesian network models. The first one is a model of the dependencies between sensors and it is used to validate each sensor. It provides a list of potentially faulty sensors. To isolate the real faults, a second Bayesian network is used, which relates the potential faults with the real faults. This second model is also used to make the validation algorithm any time, by validating first the sensors that provide more information. To select the next sensor to validate, and measure the quality of the results at each stage, an entropy function is used. This function captures in a single quantity both the certainty and specificity measures of any time algorithms. Together, both models constitute a mechanism for validating sensors in an any time fashion, providing at each step the probability of correct/faulty for each sensor, and the total quality of the results. The algorithm has been tested in the validation of temperature sensors of a power plant.

研究の動機と目的

• タイムリーかつ正確な故障検出が不可欠な安全上の重要なシステムにおけるリアルタイムでのセンサーバリデーションの課題に対処すること。
• 新しいデータが到着するにつれて段階的に洗練された故障確率推定値を提供する手法を開発すること。時間制約のある環境に適している。
• 故障特定における不確実性を最も低減するセンサを優先することで、段階的な推論を可能にすること。
• 「いつでも」アルゴリズムの評価において、特異性と確実性の両方を1つの指標に統合すること。
• 工業的センサーバリデーションにスケーラブルかつ実用的なソリューションを提供すること。発電所の温度センサを用いて実証済み。

提案手法

• センサ間の依存関係をモデル化するベイジアンネットワークを構築し、異常を検出するとともに、故障の可能性があるセンサのリストを生成する。
• 潜在的故障（最初のモデルからのもの）と実際の故障を結びつけるために、第二のベイジアンネットワークを用いる。これにより、原因の特定が可能になる。
• 情報量の増加度を順位付けするためのエントロピー関数を品質指標として適用し、アルゴリズムの「いつでも」選択順序を導く。
• 現在の信念状態のエントロピーに基づき、全体の不確実性を最も大きく低減するセンサを優先して検証する。
• 各センサの故障確率を段階的に更新し、信頼性が向上するごとに結果を逐次出力する。
• 両モデルを統合的に統合した「いつでも」フレームワークに統合し、リアルタイムのバリデーションにおいて速度、正確性、完全性のバランスをとる。

実験結果

リサーチクエスチョン

• RQ1 計算リソースが限られたリアルタイムシステムにおいて、どのように段階的にセンサーバリデーションを実行できるか。
• RQ2 「いつでも」確率的推論における確実性と特異性を効果的に捉える指標は何か。
• RQ3 どのようにしてベイジアンネットワークを構造化すれば、最小限の遅延で段階的な故障診断が可能になるか。
• RQ4 エントロピーに基づく選択戦略は、動的環境におけるセンサ故障検出の効率性と正確性を向上させることができるか。
• RQ5 本稿で提案するフレームワークは、実世界の産業的センサーバリデーションの場面でどの程度の性能を示すか。

主な発見

• 推論プロセスの各ステップで、各センサについて確率的故障評価が提供され、リアルタイム意思決定を可能にする。
• エントロピーに基づくセンサ選択戦略は、不確実性を最も大きく低減するセンサを的確に優先順位付けし、収束速度を向上させる。
• 二段階のベイジアンネットワークアーキテクチャは、高い正確性で実際の故障を潜在的故障の兆候から分離するのに成功した。
• 本手法は発電所の温度センサを用いて実証され、実際の運用条件下でも頑健な性能を示した。
• アルゴリズムの「いつでも」性質により、計算が中断されても有用な結果が得られるため、時間的に制限のあるアプリケーションに適している。
• 統一されたエントロピー指標により、特異性と確実性が統合され、段階的推論の信頼性が向上した。