1. Identificação | |
Tipo de Referência | Tese ou Dissertação (Thesis) |
Site | mtc-m21d.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | 8JMKD3MGP3W34T/47LSQK2 |
Repositório | sid.inpe.br/mtc-m21d/2022/09.22.19.39 |
Última Atualização | 2022:12.21.13.07.30 (UTC) simone |
Repositório de Metadados | sid.inpe.br/mtc-m21d/2022/09.22.19.39.28 |
Última Atualização dos Metadados | 2022:12.31.09.23.34 (UTC) administrator |
Chave Secundária | INPE-18637-TDI/3272 |
Chave de Citação | SilvaJr:2022:HyMaLe |
Título | A hybrid machine learning process for anomalous behavior detection on satellite telemetry data |
Título Alternativo | Um processo de aprendizado de máquina hibrido para a para detecção de comportamentos anômalos em telemetria de satélites |
Curso | CSE-ETES-DIPGR-INPE-MCTI-GOV-BR |
Ano | 2022 |
Data | 2022-10-04 |
Data de Acesso | 04 maio 2024 |
Tipo da Tese | Dissertação (Mestrado em Engenharia e Gerenciamento de Sistemas Espaciais) |
Tipo Secundário | TDI |
Número de Páginas | 113 |
Número de Arquivos | 1 |
Tamanho | 6220 KiB |
|
2. Contextualização | |
Autor | Silva Junior, Marcio Waldir |
Banca | Ferreira, Maurício Gonçalves Vieira (presidente) Santos, Walter Abrahão dos (orientador) Ambrósio, Ana Maria Vörös, András |
Endereço de e-Mail | marciowaldir.sjr@gmail.com |
Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) |
Cidade | São José dos Campos |
Histórico (UTC) | 2022-09-22 19:39:28 :: marciowaldir.sjr@gmail.com -> pubtc@inpe.br :: 2022-09-23 17:36:34 :: pubtc@inpe.br -> marciowaldir.sjr@gmail.com :: 2022-11-25 09:02:00 :: marciowaldir.sjr@gmail.com -> administrator :: 2022-11-25 16:19:16 :: administrator -> pubtc@inpe.br :: 2022-11-25 16:20:13 :: pubtc@inpe.br -> administrator :: 2022-12-21 12:19:42 :: administrator -> pubtc@inpe.br :: 2022-12-22 18:08:10 :: pubtc@inpe.br -> simone :: 2022-12-22 18:09:06 :: simone :: -> 2022 2022-12-22 18:09:29 :: simone -> administrator :: 2022 2022-12-31 09:23:34 :: administrator -> :: 2022 |
|
3. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Palavras-Chave | machine learning satellite KPCA DBSCAN anomalous behavior aprendizado de máquina satélites comportamento anômalo |
Resumo | In space missions, telemetry data is a key source towards systems health monitoring, and the lack of this may compromise the mission. Concerning the great number of functional service telemetries, there are some difficulties regarding the telemetry analysis. Some satellites have hundreds, even thousands of telemetry signals, and to an operator analyzing that to infer something about a system is quite laborious. In this scenario, it can be difficult to perform in advance the detection, diagnosis, and prevention of anomalies and failures, decreasing the reliability and availability of space systems. Thus, shortening the system life and service continuity. This research proposes a data-driven approach, composed of a hybrid Machine Learning process for automatically detecting anomalous behavior on satellites via telemetry data. Such approach aims to provide support in the satellites operations when comes to telemetry data analysis. Through statistics, data science processes, and Machine Learning algorithms, the proposed process was capable of identify original anomalies and injected failures in the behavior of the Power Supply subsystem of the CBERS1 satellite. RESUMO: Em missões espaciais, os dados de telemetria são uma fonte fundamental para o monitoramento da integridade dos sistemas, e a falta dela pode comprometer a missão. Com relação ao grande número das telemetrias de serviço funcionais, existem algumas dificuldades em relação à análise da telemetria. Alguns satélites têm centenas, até milhares de telemetrias, e para um operador analisar isso para inferir algo sobre o sistema tende a ser bastante trabalhoso. Nesse cenário, pode ser difícil realizar antecipadamente a detecção, diagnóstico e prevenção de anomalias e falhas, diminuindo a confiabilidade e disponibilidade dos sistemas espaciais. Assim, encurtando a vida útil do sistema e a continuidade do serviço. Este estudo propõe uma abordagem orientada a dados, composta por um processo híbrido de Aprendizado de Máquina para detectar comportamentos anômalos em satélites por meio de dados de telemetria. Tal abordagem tem como por objetivo fornecer suporte nas operações de satélites quando se trata de análise de dados de telemetria. Por meio de estatísticas, processos de ciência de dados e algoritmos de Machine Learning, o processo proposto foi capaz de identificar anomalias originais e falhas injetadas no comportamento do Subsistema de Power Supply do satélite CBERS1. |
Área | ETES |
Arranjo 1 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CSE > A hybrid machine... |
Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCE > A hybrid machine... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | originais/@4primeirasPaginas.pdf | 21/12/2022 09:29 | 213.8 KiB | originais/Defesa.pdf | 28/11/2022 07:37 | 120.6 KiB | originais/Dissertacao_MWSJR_Rev_Final.pdf | 28/11/2022 15:55 | 5.8 MiB | |
Conteúdo da Pasta agreement | |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34T/47LSQK2 |
URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34T/47LSQK2 |
Idioma | en |
Arquivo Alvo | publicacao.pdf |
Grupo de Usuários | marciowaldir.sjr@gmail.com pubtc@inpe.br simone |
Visibilidade | shown |
Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 |
Detentor dos Direitos | originalauthor yes |
Permissão de Leitura | allow from all |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Repositório Espelho | urlib.net/www/2021/06.04.03.40.25 |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F35BSP 8JMKD3MGPCW/46KTFK8 |
Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.14.22.20 2 |
Acervo Hospedeiro | urlib.net/www/2021/06.04.03.40 |
|
6. Notas | |
Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype |
|