[論文レビュー] Efficient Sensor Fault Detection Using Group Testing

Chun Lo, Yechao Bai+2 more|arXiv (Cornell University)|Jan 17, 2015

SARS-CoV-2 detection and testing参考文献 32被引用数 3

ひとこと要約

本稿では、ワイヤレスセンサネットワークにおけるレアな故障センサを、従来手法よりも著しく少ないテスト回数で検出するための、カルマンフィルタを用いた新規なグループテスト手法を提案する。センサのグループをテストし、カルマンフィルタに基づく故障検出を活用することで、計算複雑性を低減し、ノイズが多い環境下でも精度を向上させる。特に、ニューフォーク・カルキネス・ブリッジの実際の振動データにおいて、非適応型および既存の適応型グループテスト手法を上回る性能を発揮する。

ABSTRACT

When faulty sensors are rare in a network, diagnosing sensors individually is inefficient. This study introduces a novel use of concepts from group testing and Kalman filtering in detecting these rare faulty sensors with significantly fewer number of tests. By assigning sensors to groups and performing Kalman filter-based fault detection over these groups, we obtain binary detection outcomes, which can then be used to recover the fault state of all sensors. We first present this method using combinatorial group testing. We then present a novel adaptive group testing method based on Bayesian inference. This adaptive method further reduces the number of required tests and is suitable for noisy group test systems. Compared to non-group testing methods, our algorithm achieves similar detection accuracy with fewer tests and thus lower computational complexity. Compared to other adaptive group testing methods, the proposed method achieves higher accuracy when test results are noisy. We perform extensive numerical analysis using a set of real vibration data collected from the New Carquinez Bridge in California using an 18-sensor network mounted on the bridge. We also discuss how the features of the Kalman filter-based group test can be exploited in forming groups and further improving the detection accuracy.

研究の動機と目的

• 故障センサがまれである大規模センサネットワークにおいて、個々のセンサの故障検出が非効率であるという問題に対処すること。
• センサネットワークにおけるグループテストの原則を活用することで、必要なテスト回数を O(N) 未満に削減すること。
• 特にシステムモデルが不完全な状況下でも、故障検出の精度と耐障害性を向上させること。
• カルマンフィルタをグループテストと統合し、動的システムの挙動を活用してより良いサブグループの形成と検出を実現すること。
• 過去のテスト結果を活用してテスト回数を最小限に抑えつつ、高い検出精度を維持できるスケーラブルで適応的な手法を開発すること。

提案手法

• 本手法は、組合せ的グループテスト（CGT）を用い、センサのランダムなグループをテストし、カルマンフィルタに基づく故障検出によるバイナリ出力に基づいて、故障センサが存在するかを判断する。
• 以前のテスト結果を活用して順次グループ選択を最適化する、適応型ベイジアングループテスト（BGT）手法を提案する。
• カルマンフィルタを各グループ内のシステム状態を推定するために適用し、故障センサを含む場合と含まない場合の状態推定値の差異を用いて故障を検出する。
• テストグループを故障センサの分布がバランスの取れたサブグループに分割し、信頼性の高い正常センサをサブグループに追加することで、推定を安定化させる、新たな改良手法KF-BGTを提案する。
• システムモデルの次数（状態サイズ）を調整することで、推定精度と計算コストのバランスを図り、モデル品質に敏感であることが結果で示された。
• グループサイズに応じた検出しきい値を設定することで、異なるグループサイズ間で一貫した誤り確率を維持する。

実験結果

リサーチクエスチョン

• RQ1 グループテストは、故障センサがまれな大規模ネットワークにおけるセンサ故障検出に、必要なテスト回数を削減できるか？
• RQ2 テスト結果がノイズを含む状況下で、カルマンフィルタはグループテストの性能をどのように向上させるか？
• RQ3 適応型ベイジアングループテスト（BGT）は、非適応型の組合せ的グループテスト（CGT）に比べて、テスト効率と精度の面でどの程度優れているか？
• RQ4 サブグループ間での故障センサの分布が、カルマンフィルタに基づくグループテストの検出精度に与える影響はどの程度か？
• RQ5 システムモデルが低次のものまたは不正確なものであっても、KF-BGTは高い検出精度を維持できるか？

主な発見

• 提案されたKF-BGT手法は、非グループテスト手法と比較してテスト回数を顕著に削減しながらも、特にノイズが多い環境下でも高い検出精度を維持している。
• BGTは、過去の結果を順次活用する適応的テスト選択により、CGTを上回り、必要なテスト回数を削減している。
• システムモデルの次数を162から90に低下させた場合、BGTの性能は著しく低下するが、KF-BGTはわずかに低下するにとどまり、モデルの不正確さに対しても耐性があることが示された。
• グループサイズが大きくなるほど、正常状態と故障状態の状態推定値の差異が増大するため、一貫した検出誤り確率を維持するには均一なグループサイズが不可欠である。
• 故障センサをサブグループに均等に分散させること（例：各グループに1つずつ）は、集中させることよりも高い状態推定値の差異を生じさせ、検出精度を向上させる。
• 小さなサブグループに信頼性の高い正常センサを追加することで、検出の安定性が向上し、状態推定値の差異の分散が低減される。