University of Groningen
Coordination networks under noisy measurements and sensor biases
Shi, Mingming
DOI:
10.33612/diss.99968844
IMPORTANT NOTE: You are advised to consult the publisher's version (publisher's PDF) if you wish to cite from it. Please check the document version below.
Document Version
Publisher's PDF, also known as Version of record
Publication date: 2019
Link to publication in University of Groningen/UMCG research database
Citation for published version (APA):
Shi, M. (2019). Coordination networks under noisy measurements and sensor biases. Rijksuniversiteit Groningen. https://doi.org/10.33612/diss.99968844
Copyright
Other than for strictly personal use, it is not permitted to download or to forward/distribute the text or part of it without the consent of the author(s) and/or copyright holder(s), unless the work is under an open content license (like Creative Commons).
Take-down policy
If you believe that this document breaches copyright please contact us providing details, and we will remove access to the work immediately and investigate your claim.
Downloaded from the University of Groningen/UMCG research database (Pure): http://www.rug.nl/research/portal. For technical reasons the number of authors shown on this cover page is limited to 10 maximum.
Samenvatting
Netwerksystemen op grote schaal worden gebruikt om services te leveren zo-als energieacquisitie, waterdistributie, het monitoren van gezondheid, en trans-port. Het opereren van deze complexe systemen hangt af van sensoren en ac-tuatoren die de staat van het systeem uitlezen en aansturen. Aangezien de netwerksystemen vaak uitgestrekt zijn, worden de gemeten systeemstaat en de gewenste aansturing via een communicatienetwerk tussen de verschillen-de onverschillen-derverschillen-delen van het systeem uitgewisseld. Gezien verschillen-de complexiteit van verschillen-deze kunstmatige systemen en het belang van de correcte uitwisseling en extrac-tie van data, is het belangrijk om te begrijpen hoe deze systemen zich op grote schaal gedragen als er meetfouten en onzekerheden aanwezig zijn in metingen en de communicatie tussen de subonderdelen.
Naast vertragingen in dataoverdracht en missende informatie, is ruis een groot probleem in uitwisseling van data. In het bijzonder als sensors gebruikt wor-den om variabelen te meten, dan is het probleem vaak dat de uitgelezen waar-de niet overeenkomt met waar-de echte waarwaar-de. In beiwaar-de gevallen is waar-de meetfout waar-de oorzaak dat de systemen geen accurate informatie hebben over de staat van het systeem. Met de opkomst van het ’Internet of Things’, Industrie 4.0, Smart City, en het 5G-netwerk, krijgen sensoren en communicatiemedia een steeds belangrijkere rol in netwerksystemen. Daarom richt dit proefschrift zich op het analyzeren en het adresseren van de problemen in netwerksystemen die wor-den veroorzaakt door meetfouten in het meten van de staat van het systeem en de dataoverdracht tussen de verschillende subonderdelen van het systeem. Ten eerste ontwerpen we twee algoritmes die kunnen omgaan met fouten tij-dens de dataoverdracht, waarbij de algoritmes in het bijzonder robust zijn te-gen onbekende, maar wel begrensde, communicatieruis. In hoofdstuk 3 ont-werpen we een zelf-geactiveerd consensusalgoritme dat het staat-afdrijfprobleem van consensusdynamica, veroorzaakt door communicatieruis, aanpakt. In hoofd-stuk 4 verfijnen we het resultaat aan de hand van een ander algoritme. Hoewel beide algoritmes in de praktijk consensus bereiken en de begrensdheid van het systeem garanderen, werken ze beiden op een verschillende manier. Het eerste algoritme hangt af van een adaptieve drempel die wordt aangepast
130 samenvatting
lijk van de staat van de knoop. Dit algoritme negeert de aansturing van de subsystemen als staatverschillen klein genoeg zijn. Het tweede algoritme legt een grens op de staat van elke knoop door het satureren van de staat die de knoop van zijn buren ontvangt.
Als laatste behandelen we de meetfout in de staat van het systeem en richten we ons op het schatten van de sensorfout aan de hand van incorrecte metin-gen. De sensoren in het netwerk meten de relatieve staat ten opzichte van hun buren, waarbij het is toegestaan dat de metingen een bias hebben. Hierna ana-lyzeren we de condities op de meetgraaf en het aantal sensoren met een bias zodanig dat we de bias kunnen reconstrueren uit de metingen. Vervolgens ont-werpen we gedistribueerde algoritmes die de waarde van deze biases kunnen uitrekenen.