masterThesis
Modelos híbridos de séries temporais aplicados ao sistema automotivo On-Board Diagnostics
Autor
ALMEIDA, Diogo Medeiros de
Institución
Resumen
Uma característica desejada dos sistemas de diagnóstico automotivo é fazer previsões de falhas para evitar problemas inesperadas no veículo, minimizar os custos de reparo e assegurar um automóvel mais seguro aos motoristas. Para prognosticar falhas automotivas é necessário um sistema que inicialmente seja capaz de prever dados automotivos para posteriormente avaliar com um classificador se o dado do preditor é um evento anormal ou não. Com base nisso, o objetivo deste trabalho é realizar um estudo sobre o preditor desse sistema a partir da análise de modelos híbridos inteligentes de séries temporais para prever dados em tempo real de três sensores veiculares: temperatura do líquido de arrefecimento do motor, relação Ar-Combustível (A/C) na combustão interna do motor e tensão da bateria do automóvel. Os resultados mostraram que, em geral, combinar previsores da série temporal com previsores dos resíduos é uma abordagem que merece atenção e deve ser considerada no contexto dos dados automotivos. Além disso, a combinação alternativa de modelos não lineares para a série com modelos lineares para os resíduos sugere uma proposta a ser investigada em outras aplicações. A desired characteristic of the automotive diagnostics systems is to make fault predictions to prevent unexpected car breakdowns, avoiding financial losses and physical damages to the drivers. To detect automotive failures preliminarily, it is necessary a system that is initially able to predict motor data to afterward evaluate with a classifier whether the predicted data is an abnormal event or not. Based on that, the objective of this work is to perform a study on the predictor of this system. For this, hybrid time series models are applied to forecast real-time information from three in-vehicle sensors: engine coolant temperature, Air Fuel Ratio (AFR) internal combustion and automobile battery voltage. Results showed that, in general, combining forecasters from the residual modeling deserves attention and should be considered in the context of automotive data. In addition, the alternative combination of nonlinear with linear models suggests a proposal to be investigated in other applications.