Modelos híbridos de séries temporais aplicados ao sistema automotivo On-Board Diagnostics

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: ALMEIDA, Diogo Medeiros de
Orientador(a): CUNHA, Daniel Carvalho da
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Ciencia da Computacao
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Inteligência artificial
Análise de séries temporais
Link de acesso: https://repositorio.ufpe.br/handle/123456789/32682
Resumo: 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.
id UFPE_f0709e10cddb0cb3b3f6d544c6390d3a
oai_identifier_str oai:repositorio.ufpe.br:123456789/32682
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling ALMEIDA, Diogo Medeiros dehttp://lattes.cnpq.br/3671928481717763http://lattes.cnpq.br/8971986984647323CUNHA, Daniel Carvalho daMATTOS NETO, Paulo Salgado Gomes de2019-09-12T18:32:50Z2019-09-12T18:32:50Z2018-08-07https://repositorio.ufpe.br/handle/123456789/32682Uma 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.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessInteligência artificialAnálise de séries temporaisModelos híbridos de séries temporais aplicados ao sistema automotivo On-Board Diagnosticsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILDISSERTAÇÃO Diogo Medeiros de Almeida.pdf.jpgDISSERTAÇÃO Diogo Medeiros de Almeida.pdf.jpgGenerated Thumbnailimage/jpeg1344https://repositorio.ufpe.br/bitstream/123456789/32682/5/DISSERTA%c3%87%c3%83O%20Diogo%20Medeiros%20de%20Almeida.pdf.jpg772d15c714dacaa252ee2088c863ea65MD55ORIGINALDISSERTAÇÃO Diogo Medeiros de Almeida.pdfDISSERTAÇÃO Diogo Medeiros de Almeida.pdfapplication/pdf928890https://repositorio.ufpe.br/bitstream/123456789/32682/1/DISSERTA%c3%87%c3%83O%20Diogo%20Medeiros%20de%20Almeida.pdfb2b095c348b9a07e01e20f693084ef47MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/32682/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/32682/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTDISSERTAÇÃO Diogo Medeiros de Almeida.pdf.txtDISSERTAÇÃO Diogo Medeiros de Almeida.pdf.txtExtracted texttext/plain154077https://repositorio.ufpe.br/bitstream/123456789/32682/4/DISSERTA%c3%87%c3%83O%20Diogo%20Medeiros%20de%20Almeida.pdf.txtd53f447e882175103b972e87b6763314MD54123456789/326822019-10-25 10:56:43.2oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T13:56:43Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Modelos híbridos de séries temporais aplicados ao sistema automotivo On-Board Diagnostics
title Modelos híbridos de séries temporais aplicados ao sistema automotivo On-Board Diagnostics
spellingShingle Modelos híbridos de séries temporais aplicados ao sistema automotivo On-Board Diagnostics
ALMEIDA, Diogo Medeiros de
Inteligência artificial
Análise de séries temporais
title_short Modelos híbridos de séries temporais aplicados ao sistema automotivo On-Board Diagnostics
title_full Modelos híbridos de séries temporais aplicados ao sistema automotivo On-Board Diagnostics
title_fullStr Modelos híbridos de séries temporais aplicados ao sistema automotivo On-Board Diagnostics
title_full_unstemmed Modelos híbridos de séries temporais aplicados ao sistema automotivo On-Board Diagnostics
title_sort Modelos híbridos de séries temporais aplicados ao sistema automotivo On-Board Diagnostics
author ALMEIDA, Diogo Medeiros de
author_facet ALMEIDA, Diogo Medeiros de
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3671928481717763
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/8971986984647323
dc.contributor.author.fl_str_mv ALMEIDA, Diogo Medeiros de
dc.contributor.advisor1.fl_str_mv CUNHA, Daniel Carvalho da
dc.contributor.advisor-co1.fl_str_mv MATTOS NETO, Paulo Salgado Gomes de
contributor_str_mv CUNHA, Daniel Carvalho da
MATTOS NETO, Paulo Salgado Gomes de
dc.subject.por.fl_str_mv Inteligência artificial
Análise de séries temporais
topic Inteligência artificial
Análise de séries temporais
description 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.
publishDate 2018
dc.date.issued.fl_str_mv 2018-08-07
dc.date.accessioned.fl_str_mv 2019-09-12T18:32:50Z
dc.date.available.fl_str_mv 2019-09-12T18:32:50Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/32682
url https://repositorio.ufpe.br/handle/123456789/32682
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Ciencia da Computacao
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/32682/5/DISSERTA%c3%87%c3%83O%20Diogo%20Medeiros%20de%20Almeida.pdf.jpg
https://repositorio.ufpe.br/bitstream/123456789/32682/1/DISSERTA%c3%87%c3%83O%20Diogo%20Medeiros%20de%20Almeida.pdf
https://repositorio.ufpe.br/bitstream/123456789/32682/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/32682/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/32682/4/DISSERTA%c3%87%c3%83O%20Diogo%20Medeiros%20de%20Almeida.pdf.txt
bitstream.checksum.fl_str_mv 772d15c714dacaa252ee2088c863ea65
b2b095c348b9a07e01e20f693084ef47
e39d27027a6cc9cb039ad269a5db8e34
bd573a5ca8288eb7272482765f819534
d53f447e882175103b972e87b6763314
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1862741865958211584

Registros relacionados