تصنيف أداء أنظمة التحكم (Machine Learning)

مشروع تقني يهدف إلى أتمتة تشخيص أعطال الأنظمة البرمجية للمحركات عبر تصنيف الأداء إلى (نجاح أو فشل) بناءً على بارامترات التحكم.

بناء النماذج: قمت بتنفيذ ومقارنة عدة خوارزميات تشمل Decision Tree، Random Forest، و SVM.

النتائج: حقق نموذج الأشجار القرارية (Decision Tree) أعلى دقة بنسبة 99.52%، مع تقديم تحليل كامل لمصفوفة الارتباك (Confusion Matrix) لضمان موثوقية التشخيص.

البيئة: تم تطوير سير العمل بالكامل باستخدام MATLAB والتعامل مع مجموعات بيانات ضخمة من Kaggle تشمل قيم PID.

الأدوات المستخدمة: MATLAB, Machine Learning Toolbox, Decision Tree, Random Forest, SVM.