Original title:
Statistická analýza anomálií v senzorových datech
Translated title:
Statistical Analysis of Anomalies in Sensor Data
Authors:
Gregorová, Kateřina ; Čmiel, Vratislav (referee) ; Sekora, Jiří (advisor) Document type: Master’s theses
Year:
2019
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií Abstract:
[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.
Keywords:
aircraft engines; anomaly detection; ARIMA; HTF7000; K-means; sensor; SVM; ARIMA; detekce anomálií; HTF7000; K-means; letecký motor; senzor; SVM
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/177668