Work

Satelite telemetry anomaly detection

Year: 2026
Type: dissertation
Abstract: Tato diplomová práce se zabývá detekcí anomálií v satelitní telemetrii, kde mohou anomálie signalizovat hrozící selhání systému s potenciálně katastrofickými následky. Práce zkoumá využití metod umělé inteligence pro tento úkol. Bylo implementováno a vyhodnoceno několik detekčních modelů, včetně sítí s architekturou LSTM, autoenkodérů, reziduálních sítí (ResNet) a konvolučních neuronových sítí, a to s využitím přístupů založených jak na predikci, tak na rekonstrukci. Výkon modelů byl hodnocen pomocí několika metrik, přičemž primárním kritériem byla hodnota PR-AUC (plocha pod křivkou precision-recall). Experimenty byly provedeny na syntetickém datasetu telemetrie vygenerovaném vlastním generátorem dat vyvinutým v rámci této práce. Nejlepších výsledků bylo dosaženo modelem autoenkodéru založeným na LSTM, který dosáhl hodnoty PR-AUC 0,946. Pro vyhodnocení proveditelnosti nasazení byl výkon inferenčního modelu testován na vestavěných platformách (AMD ZCU104 a NVIDIA Jetson Orin Nano), které simulovaly výpočetní omezení na palubě satelitu. Kromě toho byla k posouzení výkonu v praktických scénářích použita reálná telemetrická data z benchmarku detekce anomálií ESA. Nakonec byl k doplnění celého detekčního procesu vyvinut systém pro analýzu anomálií (AERS), který poskytuje rozhraní k implementaci vlastních modulů pro odborníky z dané oblasti.
Language: English
Open Access status: green
OpenAlex ID: W7166271796
Cites: 25
Cited by:
Related to: 10