Pesquisador da UFPE cria sistema de detecção de anomalias em sensor de navegação

0
376

O Programa de Pós-Graduação em Ciência da Computação (PPGCC) promoveu a defesa da dissertação de mestrado “Um Sistema de Detecção de Anomalias em Sensor Veicular baseado em Classificadores One-Class”, de Eronides Felisberto da Silva Neto. A dissertação teve orientação do professor Abel Guilhermino da Silva Filho, que também participou da banca avaliadora juntamente com os professores Abel Guilhermino da Silva Filho (UFPE / Centro de Informática) e Max Mauro Dias Santos (UTFPR-PG / Departamento de Eletrônica).

Resumo

Com o aumento das diversas aplicações de veículos conectados, como sistemas de navegação automotiva e sistemas de transporte inteligentes, o setor de telemetria veicular torna-se estratégico para as montadoras e consumidor. Novas soluções, baseadas na manutenção preditiva e no diagnóstico de veículos, são habilitadas de maneira mais fácil. Além da redução dos preços dos dispositivos eletrônicos, outro fator que também impulsionou o aumento no número de veículos conectados é a ampla cobertura de redes celulares e tecnologias habilitadoras da comunicação móvel. A partir de um mapeamento sistemático, este trabalho apresenta as diversas arquiteturas e aplicações da telemetria veicular. Graças à combinação das novas tecnologias de informação e comunicação (TICs), os veículos são equipados com unidade telemática que adiciona inteligência as tradicionais funções veiculares. A partir da proposta de um sistema de telemetria veicular, este trabalho avaliou a presença de anomalias na operação do sensor de Temperatura do Líquido Arrefecimento do Motor (ECT) por meio da coleta de dados de um único carro, em dois modos operacionais diferentes. A abordagem proposta avaliou dez classificadores one-class (one-class classifiers) diferentes, em cinco níveis de anomalia, definidos a partir da faixa dinâmica de potência do sinal do sensor. Com base nos resultados dos dados experimentais, a avaliação baseada na métrica F2-score mostrou: a técnica OC-SVM com função de núcleo polinomial de terceiro grau como a melhortécnica de detecção de anomalias para a operação do veículo no modo emmovimento e a técnica k-NN com o melhor resultado para o modo idle, onde o carro permanece com o motor ligado, porém parado.

Fonte: Universidade Federal de Pernambuco

Mais informações: Pós-Graduação em Ciência da Computação
Telefone: (81) 2126-8430
E-mail: secpos@cin.ufpe.br