Proince C230
Aprendizaje automático para el control del estado de salud en sistemas Aeroespaciales
Este proyecto pretende desarrollar el potencial de las técnicas de minería de datos y aprendizaje automático aplicado a los sistemas del área aeroespacial. La aplicación de estas técnicas en el control de sistemas físicos es aún marginal o se concentran es estudios teóricos sobre la factibilidad de aplicación.
Las adaptaciones aplicadas al segmento terreno desarrollado bajo el proyecto de investigación Proince C211, han permitido una primera aproximación al uso de técnicas de aprendizaje automático y minería de datos sobre telemetría a algunas de las misiones incorporadas. En esta primera etapa se realizaron las adaptaciones que permitieran al prototipo segmento terreno desarrollado en la UNLaM (UGS) predecir comportamientos con éxito utilizando telemetría de satélites cientificos e información de contexto como los periodos de eclipse.
El trabajo (Soligo & Ierache, Arquitectura de segmento terreno satelital adaptada para el control de límites de telemetría dinámicos, 2019) se centró en proponer una primera implementación práctica, el proyecto propuesto tiene como objetivo encontrar patrones de comportamiento que puedan anticipar averías o descubrir automáticamente correlaciones para detectar anomalías sin la necesidad de reglas establecidas por expertos y proponiendo variantes al simple control de límites.
Equipo
Pablo Soligo
Jorge Salvador Ierache
