Unsupervised Anomaly Detection for Rocket Engine Test Facilities

Kurzfassung

Diese Arbeit befasst sich mit unüberwachten, rekonstruktionsbasierten Ansätzen zur Erkennung von Anomalien auf multivariaten Zeitreihendaten. Diese Daten wurden für das LOX-System des Raketentriebwerkteststandes P5 in Lampoldshausen generiert. Wenn das Health Monitoring System des Teststands zum Testabbruch rät, könnte die Anomaliedetektion bei der Entscheidungsfindung helfen. Dazu wird ein Feedforward-Autoencoder trainiert. Mit Hilfe des Rekonstruktionsfehlers werden dann Anomalien detektiert. Die Detektionsraten bei den Daten für das LOX-System sind mit einem F1-Wert von 0; 90 vielversprechend. Allerdings sind Verbesserungen bei den falschpositiven Ergebnissen und bei komplexeren Fehlertypen erforderlich, um diesen Ansatz zur Erkennung von Anomalien bei tatsächlichen Triebwerkstests verwenden zu können.