[论文解读] A Framework for Checkpointing and Recovery of Hierarchical Cyber-Physical Systems

Kaustubh Sridhar, Radoslav Ivanov+7 more|arXiv (Cornell University)|May 17, 2022

Fault Detection and Control Systems被引用 4

一句话总结

本文提出了一种用于非线性、分层网络物理系统（CPS）的检查点与回滚恢复框架，旨在在传感器异常期间确保鲁棒的状态估计恢复。通过引入三种一致性范式及高效的回滚算法，该框架在管理资源权衡的同时，实现了准确且时间高效的恢复，其性能优于标准扩展卡尔曼滤波器（EKF）在地面机器人遭遇异常传感器数据时的模拟表现。

ABSTRACT

This paper tackles the problem of making complex resource-constrained cyber-physical systems (CPS) resilient to sensor anomalies. In particular, we present a framework for checkpointing and roll-forward recovery of state-estimates in nonlinear, hierarchical CPS with anomalous sensor data. We introduce three checkpointing paradigms for ensuring different levels of checkpointing consistency across the hierarchy. Our framework has algorithms implementing the consistent paradigm to perform accurate recovery in a time-efficient manner while managing the tradeoff with system resources and handling the interplay between diverse anomaly detection systems across the hierarchy. Further in this work, we detail bounds on the recovered state-estimate error, maximum tolerable anomaly duration and the accuracy-resource gap that results from the aforementioned tradeoff. We explore use-cases for our framework and evaluate it on a case study of a simulated ground robot to show that it scales to multiple hierarchies and performs better than an extended Kalman filter (EKF) that does not incorporate a checkpointing procedure during sensor anomalies. We conclude the work with a discussion on extending the proposed framework to distributed systems.

研究动机与目标

• 解决资源受限、非线性、分层网络物理系统（CPS）中的传感器异常韧性挑战。
• 通过检查点与回滚机制，实现在传感器异常期间的准确且高效的估计状态恢复。
• 在分层CPS中管理系统资源使用（内存、计算）与恢复精度之间的权衡。
• 尽管存在异构的异常检测系统（ADS）和动态传感器行为，仍确保跨多个系统层级的检查点一致性。
• 为恢复误差、最大可容忍异常持续时间以及精度-资源差距提供理论边界。

提出的方法

• 提出三种检查点范式——一致、部分一致与不一致，以在分层子系统之间提供不同程度的一致性。
• 设计一种时间高效的回滚算法，通过从安全检查点重放控制输入，向前重建系统状态。
• 在每个子系统层级集成异常检测系统（ADS），仅在检测到异常时触发恢复。
• 利用递归误差传播模型推导状态估计误差边界，并通过命题5.1与推论5.2提供理论保证。
• 采用具有内环与外环的分层控制架构，通过非线性状态空间方程和含过程噪声与测量噪声的观测模型来建模动态行为。
• 每秒（1 Hz）执行一次检查点，并安全存储控制输入与状态快照，以在异常期间实现回滚恢复。

实验结果

研究问题

• RQ1 如何在具有异构异常检测系统（ADS）的多个分层子系统之间实现一致的检查点？
• RQ2 在所提出的框架下，可靠的状态估计恢复可容忍的最大传感器异常持续时间是多少？
• RQ3 该框架如何在嵌入式CPS中平衡恢复精度与系统资源使用（内存、计算）？
• RQ4 与真实值相比，可恢复状态估计误差的理论边界是什么？
• RQ5 该框架能否扩展至具有有界通信延迟的分布式CPS？

主要发现

• 仿真结果显示，该框架在传感器异常期间的状态估计恢复误差显著低于扩展卡尔曼滤波器（EKF），如机器人位置与电机角速度的仿真图所示。
• 恢复状态估计误差（RSEE）与估计误差（EE）均稳定保持在基于公式15及命题5.1/推论5.2推导出的理论边界内。
• 对于x方向位置与角速度，异常EKF估计误差远大于RSEE，充分证明了检查点与回滚方法的优越性。
• 该框架在多层级分层结构中表现出良好的可扩展性，已在具备外环与内环控制子系统的地面机器人仿真中得到验证。
• 最大可容忍异常持续时间受检查点间隔及系统在回滚过程中维持状态一致性的能力所限制。
• 精度-资源差距——即检查点频率、恢复精度与系统资源成本之间的权衡——在框架中得到了形式化界定，并通过分析方法量化。