ПОРІВНЯННЯ ЕФЕКТИВНОСТІ МЕТОДІВ НЕКЕРОВАНОГО МАШИННОГО НАВЧАННЯ ДЛЯ ВИЯВЛЕННЯ АНОМАЛІЙ В OBD2 ДАНИХ

Анотація

У статті розглядається проведений експеримент у знаходженні аномальних станів двигуна базуючись на різних сигналах датчиків транспортного засобу (швидкість автомобіля, температура охолоджуючої рідини двигуна, температура моторного масла, кількість обертів двигуна у хвилину, абсолютне положення педалі акселератора, навантаження на двигун, витрата палива). Дані зібрані за допомогою адаптеру OBD2 зі справного дизельного автомобіля Honda CR-V. Отримані дані відфільтровано, систематизовано та нормалізовано перед початком обробки і знаходження аномалій.
У статті розглядається 7 методів некерованого машинного навчання знаходження аномалій - метод ізоляційного лісу, однокласовий метод опорних векторів, метод помилки реконструкції автоенкодера, метод аналізу головних компонент, метод дистанції K–середніх, коефіцієнт локального відхилення для знаходження аномалій, модель Гауссової суміші, метод глибокого опорного векторного опису даних.