利用功能工作组与传感器通道的车辆时间异常检测系统
机器学习
2024-01-22 v1 人工智能
神经与进化计算
摘要
配备传感器、执行器与电子控制单元（ECU）的现代车辆可划分为若干称为功能工作组（FWG）的运行子系统。这些 FWG 的示例包括发动机系统、传动系统、燃油系统、制动系统等。每个 FWG 均有关联的传感器通道用以测量车辆运行状态。这一数据丰富的环境有利于预测性维护（PdM）技术的开发。支撑各类 PdM 技术的是对鲁棒异常检测模型的需求，此类模型能识别显著偏离大部分数据且不符合明确定义的车辆正常运行行为概念的事件或观测。本文中，我们引入车辆性能、可靠性与运行（VePRO）数据集，并借此构建一种多阶段异常检测方法。利用时间卷积网络（TCN），我们的异常检测系统可达到 96% 的检测准确率，并准确预测 91% 的真实异常。当使用来自多个 FWG 的传感器通道时，我们的异常检测系统性能得到提升。
引用
@article{arxiv.2209.06828,
title = {A Temporal Anomaly Detection System for Vehicles utilizing Functional Working Groups and Sensor Channels},
author = {Subash Neupane and Ivan A. Fernandez and Wilson Patterson and Sudip Mittal and Shahram Rahimi},
journal= {arXiv preprint arXiv:2209.06828},
year = {2024}
}