Details

Актуальность работы обусловлена необходимостью в своевременной детекции неисправности датчика уровня топлива в системе мониторинга уровня топлива автоматизированных систем, в частности автомобилей, поскольку неисправность датчика в баке автомобиля может иметь серьезные последствия для эксплуатации транспортного средства. Ввиду описанной проблемы в данной работе рассматривается разработка программного обеспечения, выполняющего своевременную детекцию неисправности поплавкового датчика уровня топлива. В процессе выполнения работы были решены следующие задачи: изучен принцип работы и устройство системы мониторинга уровня топлива, исследованы основные алгоритмы поиска аномалий во временных рядах, исследована архитектура рекуррентной нейронной сети LSTM, написана программная реализация алгоритмов поиска аномалий и нейронной сети LSTM применительно к рассматриваемой проблеме, произведён анализ реализованных алгоритмов, разработан пользовательский интерфейс приложения. Программная реализация всех методов осуществлена на языке программирования Python. Результатом работы является реализованное десктопное приложение для анализа работы датчиков системы мониторинга.

The relevance of this work is due to the need for timely detection of fuel level sensor malfunctions in automated fuel level monitoring systems, particularly in vehicles, as a malfunctioning sensor in a vehicles tank can have serious consequences for vehicle operation. Given this problem, this work focuses on the development of software that performs timely detection of float fuel level sensor malfunctions. The following tasks were accomplished during the work: studied the principles of operation and the structure of the fuel level monitoring system, explored the main algorithms for anomaly detection in time series, investigated the architecture of the LSTM recurrent neural network, developed program implementation of anomaly detection algorithms and the LSTM neural network specifically for the considered problem, conducted an analysis of the implemented algorithms, designed a user interface for the application. The software implementation of all methods was done using the Python programming language. The outcome of this work is an implemented desktop application for analyzing the operation of the monitoring system sensors.