Název:
Statistická analýza anomálií v senzorových datech
Překlad názvu:
Statistical Analysis of Anomalies in Sensor Data
Autoři:
Gregorová, Kateřina ; Čmiel, Vratislav (oponent) ; Sekora, Jiří (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2019
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Tato diplomová práce se zabývá problematikou detekce poruchových stavů u leteckých motorů. Hlavním přístupem detekce je hledání anomálií v datech snímaných pomocí senzorů. Pro získání komplexní představy o systému a jednotlivých senzorech, je v úvodu této práce uveden popis celého systému a to konkrétně motoru typu HTF7000 a také popis senzorů. Pro samotnou detekci anomálií je zde uveden návrh algoritmu na základě tří různých detekčních metod, které jsou popsány ve druhé kapitole. Jedná se o metody SVM (Support Vector Machine), K-means a ARIMA (Autoregressive Integrated Moving Average). Implementace algoritmu je popsána v další části práce, včetně návrhu grafického uživatelského rozhraní. V závěru práce je pak statistická analýza získaných výsledků, srovnání účinnosti jednotlivých modelů a diskuze výstupů z navrženého algoritmu.
This thesis deals with the failure mode detection of aircraft engines. The main approach to the detection is searching for anomalies in the sensor data. In order to get a comprehensive idea of the system and the particular sensors, the description of the whole system, namely the aircraft engine HTF7000 as well as the description of the sensors, are dealt with at the beginning of the thesis. A proposal of the anomaly detection algorithm based on three different detection methods is discussed in the second chapter. The above-mentioned methods are SVM (Support Vector Machine), K-means a ARIMA (Autoregressive Integrated Moving Average). The implementation of the algorithm including graphical user interface proposal are elaborated on in the next part of the thesis. Finally, statistical analysis of the results,the comparison of efficiency particular models and the discussion of outputs of the proposed algorithm can be found at the end of the thesis.
Klíčová slova:
ARIMA; detekce anomálií; HTF7000; K-means; letecký motor; senzor; SVM; aircraft engines; anomaly detection; ARIMA; HTF7000; K-means; sensor; SVM
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/177668