Details
| Title | Разработка ML-модели для обнаружения аномалий в работе промышленного оборудования: выпускная квалификационная работа бакалавра: направление 27.03.04 «Управление в технических системах» ; образовательная программа 27.03.04_05 «Интеллектуальные системы обработки информации и управления» = Development of an ML-model for detecting anomalies in the operation of industrial equipment |
|---|---|
| Creators | Онуфриенко Василий Сергеевич |
| Scientific adviser | Рассказова Альбина Николаевна |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности |
| Imprint | Санкт-Петербург, 2026 |
| Collection | Выпускные квалификационные работы ; Общая коллекция |
| Subjects | обнаружение аномалий ; подшипники качения ; вибрационная диагностика ; машинное обучение ; глубокое обучение ; LSTM-AE ; автокодировщик ; isolation forest ; one-class svm ; обработка сигналов ; извлечение признаков ; CWRU ; IMS ; end-to-end DL ; anomaly detection ; rolling bearings ; vibration diagnostics ; machine learning ; deep learning ; autoencoder ; signal processing ; feature extraction |
| Document type | Bachelor graduation qualification work |
| Language | Russian |
| Level of education | Bachelor |
| Speciality code (FGOS) | 27.03.04 |
| Speciality group (FGOS) | 270000 - Управление в технических системах |
| DOI | 10.18720/SPBPU/3/2026/vr/vr26-6119 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать) |
| Additionally | New arrival |
| Record key | ru\spstu\vkr\45622 |
| Record create date | 9/10/2026 |
Allowed Actions
–
Action 'Read' will be available if administrator prepare required files
| Group | Anonymous |
|---|---|
| Network | Internet |
Данная работа посвящена обнаружению аномалий в вибрационных сигналах промышленного оборудования. Проведён сравнительный анализ классических методов (Isolation Forest, One-Class SVM) и методов глубокого обучения (Автокодировщик, LSTM-AE). Показано, что LSTM-AE превосходит другие модели на наборе данных IMS, достигая F-beta score 0.9713. Разработан прототип системы обнаружения аномалий с веб-интерфейсом и поддержкой подключения промышленного протокола OPC UA.
This work is devoted to the detection of anomalies in the vibration signals of industrial equipment. A comparative analysis of classical methods (Isolation Forest, One-Class SVM) and deep learning methods (Autoencoder, LSTM-AE) is carried out. It is shown that the LSTM-AE surpasses other models on the IMS dataset, reaching an F-beta score of 0.9713. A prototype anomaly detection system has been developed with a web interface and support for connecting the OPC UA industrial protocol.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
