Mecanismo de predição de falhas de comunicação em protocolo CAN automotivo

• Ano de defesa: 2024
• Autor(a) principal: Pohren, Daniel Henrique
• Orientador(a): Pereira, Carlos Eduardo
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Detecção de falhas; Aprendizado de máquina; Veículos; Protocolos de comunicação
• Palavras-chave em Inglês: Protocol; CAN; EFT; Machine learning; Artificial intelligence; IEC 62228
• Link de acesso: http://hdl.handle.net/10183/293358

A crescente complexidade e responsabilidade dos dispositivos embarcados em veículos modernos tem direcionado os esforços de desenvolvimento para que esses sistemas sejam mais rápidos, precisos, robustos e, acima de tudo, seguros. Isso tem elevado os protocolos de comunicação a novos níveis de exigência em termos de capacidade e confiabilidade. Sistemas como freios ABS/EBD, suspensão ativa, frenagem autônoma de emergência (AEB) e controle adaptativo de velocidade e distância (ACC), que envolvem várias unidades de controle eletrônico (ECU) distribuídas pelo veículo, exigem comunicação segura e tolerante a falhas, com restrições temporais rigorosas. Atualmente, os veículos passam por grandes mudanças conceituais, incorporando sistemas que demandam mais energia das fontes de alimentação. Esses sistemas geram ruídos, como os Transientes Elétricos Rápidos (EFT), presentes em operações cotidianas como ligar e desligar faróis, ar condicionado e limpadores de para-brisas. Sistemas mais potentes, como conversores CC/CA e regeneradores de energia, aumentam os desafios relacionados aos transientes elétricos. A eletrificação da frota, com tensões superiores a 300 Vdc, intensifica esses desafios devido ao aumento de ruídos prejudiciais. No contexto de sistemas vitais, a retransmissão é o principal método para contornar falhas de comunicação, embora sua eficácia seja discutível. A retransmissão não garante a comunicação e ainda causa latências que comprometem os rigorosos slots temporais, expondo os sistemas a problemas imprevisíveis. O maior problema da retransmissão é a incapacidade de identificar as causas das falhas de comunicação, o que pode levar à paralisação da troca de dados e à falha dos sistemas em cumprir suas funções essenciais. Esta tese apresenta o desenvolvimento e a implementação de um hardware especializado, projetado de acordo com os rigorosos requisitos da norma IEC 62228(2019), com a finalidade de realizar ensaios de injeção de ruídos caracterizados como transientes elétricos rápidos (EFT). Este hardware foi concebido para coletar dados detalhados, os quais serão utilizados na criação de um conjunto de dados (dataset) focado na comunicação através do protocolo CAN em sistemas embarcados. A partir dos ensaios realizados em ambiente controlado de laboratório, este trabalho propõe a aplicação avançada de técnicas de aprendizado de máquina para analisar os dados obtidos, com o objetivo de desenvolver um modelo preditivo robusto. Tal modelo tem como função principal identificar, com elevada precisão, as falhas de comunicação e suas possíveis causas subjacentes. Ao prever e mitigar a evolução de falhas triviais em falhas catastróficas, o modelo proposto contribui para o aumento da robustez e da confiabilidade dos sistemas de comunicação intra-veicular, desempenhando um papel crucial na segurança e eficiência dos veículos modernos.