Dissertação
{pt_PT=Implementation of data mining techniques for attitude and orbit control systems} {} EVALUATED
{pt=Dada a complexidade das operações e indireta acessibilidade dos dados, as aplicações de data mining no contexto espacial encontram-se ainda em desenvolvimento inicial. Este estudo, realizado em contexto empresarial, focou-se em analisar o interesse de técnicas de data mining para sistemas de controlo de atitude e órbita. Foram definidos dois casos de aplicação: técnicas de redução de variáveis para incertezas num modelo Monte-Carlo de satélite e a implementação de técnicas de deteção de anomalias em dados de telemetria. Propomos a implementação de dois estimadores de informação mútua como medida de relevância para seleção de variáveis. Particularmente para o nosso modelo físico, as incertezas ligadas ao semiângulo da força propulsiva e à posição do centro de gravidade são as mais relevantes para o momento produzido. A importância da direção da propulsão era esperada; a diferença encontrada entre a relevância da posição do centro de gravidade e dos ETHM não foi antecipada. Adotamos uma metodologia out-of-limits de forma a detetar janelas temporais anómalas, baseada num processo de três passos: primeiro, os dados são validados; de seguida, fragmentados e resumidos utilizando descritores; finalmente, as anomalias são detetadas. Os resultados indicam que esta abordagem para monitorização automática da telemetria permite emitir alarmes quando existem tendências nos dados, antes que os limites de alarme convencionais sejam atingidos múltiplas vezes. Os resultados deste estudo são promissores para futuras aplicações e problemas de maior complexidade. Importa salientar que a aplicação destes métodos de data mining foi inovadora nesta área, não havendo conhecimento de utilizações similares., en=Given the complexity of operations and indirect accessibility to data, data mining for space applications is yet at an early stage of development. This study, conducted in an entrepreneurial context, aimed to discuss the interest of data mining techniques for the attitude and orbit control subsystem. In this context, two main applications were defined: feature reduction techniques for the uncertainties on a Monte-Carlo spacecraft model and anomaly detection techniques on historical telemetry data. We propose the application of two estimators for mutual information as measure of relevance between features and thus for feature selection. For our physical model in particular, uncertainties related to the thrust force half-cone angle and the positioning of the center of mass are the most relevant for the generated torque. While the importance of the thrust direction was expected, the difference between the center of mass and the ETHM positioning was not anticipated. We adopt an out-of-limits methodology to detect anomalous windows in telemetry, based on a three-step process: first, data is validated; second, segmented and summarized using descriptors; and finally, the anomalous events are detected. Results indicate our approach for automatic monitoring is capable of triggering alarms when trends are present in data, before multiple warning thresholds are reached. While applied to simple test cases, results issued from data mining techniques are thus promising for further applications and problems with increased complexity. It should be noted that the use of these data mining methods was innovative in this field, with no knowledge of similar applications.}
novembro 28, 2016, 9:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
