Functional safety for highly automated vehicles

(English) The rapid advancement of autonomous vehicle technologies offers significant opportunities to improve road safety, but also introduces challenges to ensure compliance with established safety standards. This thesis focuses on guaranteeing functional safety in highly automated vehicles (SAE Levels 4-5), ensuring adherence to ISO~26262, which governs safety risks in electrical and electronic systems. To address these challenges, this work introduces a behavior tree-based supervisor that transforms static functional safety analyses into runtime monitoring, ensuring real-time compliance with safety requirements. The supervisor is formally verified using temporal logic to guarantee correctness under all operational conditions. Furthermore, a zonotopic LPV-EKF observer is developed for robust fault detection and isolation, improving the reliability of sensor-based vehicle state estimation under bounded uncertainties. Complementing these contributions, a data-driven zonotopic predictive control framework with functional safety guarantees is proposed. This framework integrates reachability analysis to guide vehicles toward predefined safe states in the presence of system-level anomalies and is formally verified through temporal logic specifications. The methodologies presented are validated on autonomous Renault Zoe and Mégane platforms, demonstrating their practical effectiveness in ensuring functional safety in autonomous driving under real-world scenarios. (Català) El ràpid avenç de les tecnologies dels vehicles autònoms ofereix oportunitats significatives per millorar la seguretat viària, però també planteja reptes per garantir el compliment dels estàndards de seguretat establerts. Aquesta tesi es centra a garantir la seguretat funcional en vehicles altament automatitzats (nivells d’automatització SAE 4-5), assegurant l’adhesió a la norma ISO~26262, que regula els riscos de seguretat en els sistemes elèctrics i electrònics. Per abordar aquests reptes, es presenta un supervisor basat en arbres de comportament que transforma les anàlisis estàtiques de seguretat funcional en supervisió en temps real, assegurant el compliment dels requisits de seguretat durant el funcionament. Aquest supervisor està verificat formalment mitjançant lògica temporal, garantint-ne la correcció sota totes les condicions operatives. A més, es desenvolupa un observador zonotòpic LPV-EKF per a la detecció i aïllament de fallades, millorant la fiabilitat de l’estimació de l’estat del vehicle basada en sensors amb incerteses acotades. Com a complement, es proposa un marc de control predictiu zonotòpic basat en dades, amb garanties de seguretat funcional. Aquest marc integra l’anàlisi de l’assolibilitat per guiar el vehicle cap a estats segurs predefinits en presència d’anomalies a escala de sistema i està verificat formalment mitjançant especificacions de lògica temporal. Les metodologies presentades es validen en plataformes autònomes Renault Zoe i Mégane, demostrant-ne l’efectivitat pràctica per avançar en la seguretat funcional de la conducció autònoma en escenaris reals. (Español) El rápido avance de las tecnologías de vehículos autónomos ofrece importantes oportunidades para mejorar la seguridad vial, pero también plantea desafíos para garantizar el cumplimiento de los estándares de seguridad establecidos. Esta tesis se centra en garantizar la seguridad funcional en vehículos altamente automatizados (niveles de automatización SAE 4-5), asegurando la conformidad con la norma ISO~26262, que regula los riesgos de seguridad en los sistemas eléctricos y electrónicos. Para abordar estos desafíos, se presenta un supervisor basado en árboles de comportamiento que transforma los análisis estáticos de seguridad funcional en supervisión en tiempo de ejecución, asegurando el cumplimiento en tiempo real de los requisitos de seguridad. Este supervisor está verificado formalmente mediante lógica temporal, garantizando su corrección bajo todas las condiciones operativas. Además, se desarrolla un observador zonotópico LPV-EKF para la detección y aislamiento de fallos, mejorando la fiabilidad de la estimación del estado del vehículo basada en sensores bajo incertidumbres acotadas. Complementando estas contribuciones, se propone un marco de control predictivo zonotópico basado en datos, con garantías de seguridad funcional. Este marco integra el análisis de alcanzabilidad para guiar el vehículo hacia estados seguros predefinidos en presencia de anomalías a nivel del sistema y está verificado formalmente mediante especificaciones de lógica temporal. Las metodologías presentadas se validan en plataformas autónomas Renault Zoe y Mégane, demostrando su efectividad práctica para avanzar en la seguridad funcional de la conducción autónoma en escenarios del mundo real.