Modelo de Detecci on y Seguimiento de Anomal as en ... Modelo de Detecci on y Seguimiento de Anomal

  • View
    0

  • Download
    0

Embed Size (px)

Text of Modelo de Detecci on y Seguimiento de Anomal as en ... Modelo de Detecci on y Seguimiento de Anomal

  • Modelo de Detección y Seguimiento de Anomaĺıas en Entornos

    Monitoreados por Agentes Robóticos Inteligentes

    David Julián Saldaña Santacruz. Ing.

    Universidad Nacional de Colombia

    Facultad de Minas, Escuela de Sistemas

    Medelĺın, Colombia

    2012

  • Modelo de Detección y Seguimiento de Anomaĺıas en Entornos Monitoreados por Agentes Robóticos

    Inteligentes

    David Julián Saldaña Santacruz. Ing.

    Tesis o trabajo de grado presentada(o) como requisito parcial para optar al t́ıtulo de:

    Magister en Ingenieŕıa - Ingenieŕıa en sistemas

    Director:

    Demetrio Arturo Ovalle C. PhD.

    Codirector:

    Alcides de Jesús Montoya C. PhD.

    Grupo de Investigación:

    Grupo de Investigación y Desarrollo en Inteligencia Artificial

    Universidad Nacional de Colombia

    Facultad de Minas, Escuela de Sistemas

    Medelĺın, Colombia

    2012

  • “La pasión moverá hombres mas allá de ellos

    mismos, mas allá de sus alcances, mas allá de

    sus ĺımites”.

    Joseph Campbell.

  • Dedicatoria

    Le dedico este trabajo a mi mamá que durante

    toda mi vida me ha apoyado incondicionalmente

    para alcanzar todos aquellos sueños racionales e

    irracionales que han pasado por mi mente, a mi

    padre que con su visión pragmática y organizada

    me ha dirigido para pasar las barreras dif́ıciles y

    finalmente a mi preciosa hermana a quien conf́ıo

    y admiro profundamente.

  • Agradecimientos

    Le agradezco a mi director Demetrio Ovalle y codirector Alcides de Jesús Montoya con

    quienes llevo trabajado desde hace mas de cinco años y más allá de su conocimiento en el

    área, me han dado a conocer una perspectiva diferente de la ciencia y tecnoloǵıa para enca-

    minarme por los senderos de la investigación.

    Agradezco a los profesores Rommel Carvalho y Marcelo Maleira por creer en mı́ y reci-

    birme en su hermoso páıs para compartir sus conocimiento y experiencia en su campo de

    investigación. Aśı como su ayuda, amabilidad y dedicación durante mi pasant́ıa en la Uni-

    versidad de Brasilia.

    A mis grandes amigos Diego Patiño, Daniel Alfonso Pardo, Nerio Montoya, Teresa Zam-

    brano, Alejandro Piedrahita y Andrés Hoyos por su confianza y con quienes he pasado estos

    maravillosos años de mi vida. Finalmente un agradecimiento especial para Melisa Dominguez

    quién viv́ıo junto a mi todo este proceso de maestŕıa y en conjunto leyó y corriǵıo todos los

    art́ıculos, documentos y propuestas.

  • ix

    Resumen

    En diversas partes del planeta existen entornos que requieren ser monitoreados en tiempo

    real para evitar catástrofes tales como incendios, derrames de petróleo o fugas radioactivas.

    En la presente proyecto de tesis se propone un modelo basado en agentes robóticos inte-

    ligentes para el proceso de detección y seguimiento de anomaĺıas generadas por cambios

    drásticos en variables f́ısicas. El modelo propone un enfoque basado en inteligencia artificial

    bayesiana para determinar el comportamiento de los gentes robóticos a partir de la eviden-

    cia tomada por los sensores de variables f́ısicas del entorno. Adicionalmente, se integra una

    nueva propuesta en el proceso de seguimiento basado en la técnica de control Proporcional

    Integral Derivativo (PID). En la parte preliminar se realiza una revisión de literatura sobre

    las técnicas de detección y seguimiento de peŕımetros de anomaĺıas con sensores robóticos;

    posteriormente se describe el modelo propuesto y se valida sobre la plataforma de desarrollo

    y simulación de sensores móviles MobSim. Finalmente se evalúa el desempeño y se compara

    la propuesta con otras técnicas relacionadas para llegar a un análisis de resultados y conclu-

    siones.

    Palabras clave: Redes de Sensores Robóticos, Inteligencia Artificial Bayesiana, Redes

    de Decisión Bayesiana, Sistemas Multi-Agente, Agentes Inteligentes, Robots autóno-

    mos.

    Abstract

    Around the world there are environments that need to be monitored in real time to pre-

    vent disasters such as fires, oil spills and radiation leaks. In this thesis project we propose a

    model based on intelligent robotic agents for detection and tracking anomalies generated by

    drastic changes in physical variables. The model proposes an approach based on Bayesian

    artificial intelligence to determine the behavior of robotic people from the evidence taken by

    the sensors of physical variables in the environment. Additionally, it integrates a new pro-

    posal in the monitoring process technique based on proportional integral derivative (PID).

    The introductory part is a review of techniques for detecting and monitoring perimeters

    with a robotic sensor network. Then, we desribe the proposed model and it is validated on

    the development platform and simulation of mobile sensors MobSim. Finally, performance

    is evaluated and compared with related techniques to get results and conclude.

    Keywords: Robotic Sensor Networks, Bayesian Artificial Intelligence, Decision Ba-

    yesian Networks, Multi-Agent Systems, Intelligent Agents, Autonomous Robots

  • Contenido

    Agradecimientos VII

    Resumen IX

    1. Introducción 2

    1.1. Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

    1.2. Preguntas de investigación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

    1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

    1.3.1. General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

    1.3.2. Espećıficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

    1.4. Alcance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

    1.5. Contribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

    1.6. Reconocimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

    1.7. Difusión de resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

    1.8. Estructura de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

    2. Marco teórico 7

    2.1. Redes de sensores Robóticos . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

    2.1.1. Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

    2.1.2. Localización de sensores móviles . . . . . . . . . . . . . . . . . . . . . 9

    2.1.3. Despliegue autónomo de RSR . . . . . . . . . . . . . . . . . . . . . . 10

    2.1.4. Detección y seguimiento de peŕımetros . . . . . . . . . . . . . . . . . 11

    2.2. Inteligencia Artificial Bayesiana . . . . . . . . . . . . . . . . . . . . . . . . . 14

    2.2.1. Redes Bayesianas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

    2.2.2. Redes de decisión bayesianas . . . . . . . . . . . . . . . . . . . . . . . 16

    2.3. Sistemas Multi-Agente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

    2.4. Razonamiento probabiĺıstico en sistemas-multi-agente . . . . . . . . . . . . . 21

    3. Trabajos relacionados 22

    3.1. Enjambre robótico para detección de peŕımetros . . . . . . . . . . . . . . . . 22

    3.2. Navegación de gradientes con veh́ıculos autónomos sub-acuáticos . . . . . . . 23

    3.3. Detección y seguimiento cooperativo de bordes . . . . . . . . . . . . . . . . . 25

    3.3.1. Algoritmo Bang-bang . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

  • Contenido xi

    3.3.2. Algoritmo Bang-bang mejorado . . . . . . . . . . . . . . . . . . . . . 27

    3.3.3. Fortalezas y debilidades . . . . . . . . . . . . . . . . . . . . . . . . . 27

    3.4. Arquitectura de control jerárquica para detección y seguimiento con sensores

    robóticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

    3.5. Estimación de contorno adaptativo con sensores móviles . . . . . . . . . . . 31

    3.6. Método de segumiento basado en topoloǵıa . . . . . . . . . . . . . . . . . . . 32

    3.7. Veh́ıculos aéreos no maniobrados para detección de anomaĺıas . . . . . . . . 33

    4. Modelo propuesto 34

    4.1. Metodoloǵıa y definición del modelo multi-agente . . . . . . . . . . . . . . . 34

    4.1.1. Análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

    4.1.2. Diseño . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

    4.1.3. Despliegue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

    4.2. Modelo bayesiano para determinar comportamiento del agente robótico . . . 43

    4.3. Metodoloǵıa de ingenieŕıa de conocimiento . . . . . . . . . . . . . . . . . . . 44

    4.3.1. Contextualización e identificación de variables . . . . . . . . . . . . . 45

    4.3.2. Identificación de nodos de la red . . . . . . . . . . . . . . . . . . . . . 45

    4.3.3. Relaciones causales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

    4.3.4. Representación de tiempo . . . . . . . . . . . . . . . . . . . . . . . . 48

    4.3.5. Red Bayesiana