W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz BibTeX

Tytuł

Homogeneous ensemble model built from artificial neural networks for fault detection in navigation systems

Autorzy

[ 1 ] Instytut Automatyki i Robotyki, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.2] Automatyka, elektronika, elektrotechnika i technologie kosmiczne

Rok publikacji

2023

Opublikowano w

Journal of Computational and Applied Mathematics

Rocznik: 2023 | Tom: vol. 432

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • homogeneous ensemble model
  • artificial neural networks
  • quaternions
  • fault detection
Streszczenie

EN In this paper, authors present a modern approach to the detection of malfunctioning sensory systems. The proposed solution is based on artificial neural networks. The application example uses a navigation system based on a 9-axis IMU (Inertial Measurement Unit), the signal fusion data is converted into quaternions. The form of quaternions is then analyzed along with sensor samples by an artificial neural network. If the network detects data processing inadequate to the pattern then we obtain information about the malfunction of a specific sensing axis from the sensors. The results compare fault detection capabilities using an ensemble structure built from three types of artificial neural networks: fully-connected, recurrent and convolutional. We provide a comprehensive analysis of all models; the proposed measures include RMSE (Root-Mean-Square Error), NRMSE (Normalized RMSE), t-SNE (t-distributed stochastic neighbor embedding) visualization, ROC (Receiver Operating Characteristic) curve, precision vs. recall curve, AUC (Area Under Curve) and F-score.

Data udostępnienia online

26.04.2023

Strony (od-do)

115279-1 - 115279-11

DOI

10.1016/j.cam.2023.115279

URL

https://www.sciencedirect.com/science/article/abs/pii/S0377042723002236

Uwagi

Article Number: 115279

Punktacja Ministerstwa / czasopismo

100

Impact Factor

2,1

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.