Skip to content Go to main navigation Go to language selector

Examensarbete: Adaptiv modellbaserad anomalidetektion i JAS 39 Gripens bränslesystem

Location
Linköping, Sweden
Closing date
5 November 2021
Apply for this job!

Din framtida utmaning

Bakgrund

Saab Aeronautics befinner sig i ett intensivt skede i utvecklingen av Gripen E. Vi har nu flera flygplan i drift vilka genererar ett stort inflöde av mätdata. Datat används bland annat för att utvärdera de ingående systemen, verifiera funktion, och även för att validera och förbättra våra simuleringsmodeller. Den stora mängden data öppnar också upp möjligheter för automatisk provutvärdering och förbättrad diagnos och prognostik genom att använda maskininlärning.

Vi har i ett tidigare examensarbete tagit fram en struktur och metod för modellbaserad anomalidetektering med adaptiva gränser, inriktad mot Gripens grundflygplansystem (bränsle-, kyl-, hydraulsystem m.fl.). Metoden avser att hantera svårigheten med att det som kan förväntas vara en vanlig och förväntad skillnad mellan mätning och modell i en arbetspunkt kan vara en onormalt stor skillnad i en annan. Genom att jämföra mätdata från en större mängd flygpass med utsignalerna från en befintlig modell av systemet och se hur mycket dessa normalt skiljer, så kan en modell över förväntat avvikelse och dess spridning tränas med hjälp av maskininlärning. Denna maskininlärningsmodell kan sedan användas för att automatiskt anpassa detektorns gränser efter vad som är lämpligt i varje arbetspunkt. Metoden har hittills testats på bränslemängden i två olika tankar med mycket lovande resultat.   

Beskrivning av examensarbetet

Vi vill nu gå vidare och förbättra anomalidetekteringen ytterligare genom att huvudsakligen fokusera på bränslesystemmodellen. Målet med exjobbet är att gradvis förbättra/utveckla bränslesystemmodellen, och se hur och på vilket sätt detta påverkar detektorns förmåga att urskilja anomalier. Examensarbetet kommer därför innehålla en stor del fysikalisk modellering. Men även moment som är relevanta för maskininlärningen kommer att ingå, som att applicera metoden på ytterligare en eller flera signaler utöver bränslenivån, extrahera information ur det maskininlärningsmodellerna har lärt sig, balansera data, etc. Anomalidetektorn och träning av maskininlärningsmodellen görs i Python. Bränslesystemmodellen är implementerad i Dymola.

Den du är idag

Vi söker två examensarbetare på civilingenjörsnivå som är intresserade av fysikalisk modellering och maskininlärning, och är vana vid att skriva kod för att lösa problem. Lämplig bakgrund är exempelvis Y-, F-, M- och D-linjen med reglerinriktning. Uppdraget kräver svenskt medborgarskap och en godkänd säkerhetsprövning, då arbetet omfattas av svensk försvarssekretess.

Examensarbetet kommer att utföras på sektionen för Systemsimulering och Konceptutveckling på Grundflygplansystem i Linköping Tannefors. Lämplig tidpunkt att påbörja arbetet är under januari 2022.

Sista ansökningsdag

05-11-2021

Ansökan ska innehålla både CV och personligt brev.

Urval sker löpande och tjänsten kan komma att tillsättas innan sista ansökningsdatum.

Kontaktperson

Ylva Nilsson, handledare

073 418 54 84

Ylva.Nilsson@saabgroup.com

If you aspire to help create and innovate whilst developing yourself in a challenging team setting, Saab may well have the perfect conditions for you to grow. We pride ourselves on a nurturing environment, where everyone is different yet we share the same goal – to help protect people.