IA & Recherche · arXiv Machine Learning · publications

Avionic Main Fuel Pump Simulation and Fault-Diagnosis Benchmark

Extrait de la source

Cette page structure un contenu IA & recherche pour faciliter la lecture, la citation et la vérification par les chercheurs, étudiants et moteurs IA.

arXiv:2604.22869v1 Announce Type: new Abstract: In many cyber-physical systems, especially in critical applications such as aeroplanes, data to train anomaly detection and diagnosis algorithms is lacking due to data protection issues and partial observability. To combat this inherent lack of data, we introduce a high-fidelity, physics-informed co-simulation of a common aircraft main-fuel-pump system modelled in \textsc{MATLAB/Simulink Simscape Fluids}. We also describe its generated time-series data with health and fault mode annotations. To show feasibility of our benchmark, we apply an unsupervised Recurrent Variational Autoencoder (RNN-VAE) for anomaly detection and a SOM-VAE for operating mode discretization, trained to separate healthy and faulty conditions.

Votre atelier DzCademia

Évaluer un jeu de données ou un benchmark

Un score n’a de sens qu’avec les données, la séparation entre apprentissage et test et les règles d’évaluation. Vérifiez la provenance, la licence, les catégories couvertes et les risques de recouvrement avec les données du modèle. Une performance sur ce benchmark ne suffit pas à démontrer une capacité générale.

Un exercice concret

Choisissez un sous-ensemble et décrivez ce qu’il mesure réellement. Comparez deux méthodes avec le même protocole et conservez les erreurs, pas seulement la moyenne des scores.

Repères de cette fiche

Sujet: Avionic Main Fuel Pump Simulation and Fault-Diagnosis Benchmark
Site source: arxiv.org
Date de publication à la source: 2026-04-28
Date de collecte sur DzCademia: 2026-04-28

Mon plan de préparation

Liste personnelle indicative, distincte des pièces ou règles officielles. Vos cases restent sur cet appareil ; aucun compte nécessaire.

Vérifier provenance, licence et version.Lire les règles de séparation et d’évaluation.Définir une référence de comparaison.Examiner des erreurs représentatives.Documenter ce qui ne peut pas être conclu.

0 / 5 étapes cochées

Consulter la source

Conseils et exercices DzCademia, distincts du résumé et des exigences de la source. Aide structurée avec assistance automatisée ; elle ne vaut ni validation scientifique ni promesse de sélection. Source consultée le 2026-10-28.

Voir la source originale

Source officielle ou originale : arXiv Machine Learning. Vérifiez toujours les détails sur la source primaire.

Retour IA & Recherche

Avionic Main Fuel Pump Simulation and Fault-Diagnosis Benchmark

Évaluer un jeu de données ou un benchmark

Un exercice concret

Commenter avec Google

Votre navigation, vos choix