估计年龄约束下的面向可靠性的工业物联网传感器调度

《IEEE Transactions on Industrial Informatics》：Reliability-Oriented Sensor Scheduling in IIoT With Age of Estimation Constraint

　　摘要：工业互联网系统利用分布式传感器来估计动态过程的全局状态。由于每个传感器只能观测到系统的部分状态，保持可观测性对于准确估计至关重要。现有的基于信息年龄（AoI）的调度机制通过确保每个传感器的信息新鲜度来维持系统可观测性。然而，这往往需要频繁的数据传输，从而增加了能耗并加速了传感器老化，导致估计性能与系统可靠性之间存在权衡。为了解决这一权衡问题，我们提出了一种以可靠性为导向的传感器调度框架，同时兼顾估计性能与系统可靠性。首先，我们提出了一个基于故障树的可靠性模型，通过建模传感器测量之间的时空耦合关系，来捕获传感器故障对系统可观测性的影响。然后，为了维持可观测性，我们引入了估计年龄（AoE）这一新型指标，用于量化动态系统中与维持可观测性相关的信息新鲜度。与AoI相比，我们证明有界的AoE可以保证系统具有均匀的可观测性，因此适用于多传感器场景。基于这一结果，我们将调度问题重新表述为一个在线性规划框架下、受AoE约束的系统可靠性最大化问题。为了在大规模部署中确保可扩展性，我们进一步提出了一种基于分解的算法，以实现高效的并行优化。在热轧过程上的仿真实验表明，与一系列现有方法（包括最小化AoI的策略和基于学习的调度策略）相比，所提方法实现了显著稀疏的传感器调度模式，同时提高了系统可靠性、降低了能耗，并保持了可比的估计精度。I. 引言工业互联网（IIoT）使得在工业环境中大规模部署无线传感器成为可能，以支持全局状态监控[1]。在这类系统中，每个传感器通常只能观测到物理过程的部分状态，并将本地测量值传输至远程估计器以进行全局状态估计[2]。远程估计器在有限资源下调度各传感器的数据传输，以维持系统状态的可观测性，从而实现准确的状态估计[3]。提高传感器传输频率可以通过提供更多测量值来增强可观测性[4]。然而，这也会导致更高的功耗、更大的热应力以及加速的传感器退化，最终损害系统可靠性[5]。估计精度与系统可靠性之间固有的这种权衡关系，要求采用高效的传感器调度方法，以同时最大化系统可靠性并确保所需的状态估计性能。