Skip to Main content Skip to Navigation
Theses

Fault Detection and Diagnosis for Drones using Machine Learning

Résumé : Les drones de petite taille de nouvelle génération qui peuplent actuellement l'espace aérien amènent de nombreuses préoccupations en matière de sécurité, en raison de l'absence de pilote à bord et de la nature moins précise des capteurs. Cela nécessite des approches intelligentes pour faire face aux situations d'urgence qui se produiront inévitablement pour toutes les catégories d'opérations d'UAV telles que définies par l'EASA (Agence européenne de la sécurité aérienne). Les limitations matérielles de ces petits véhicules suggèrent l’utilisation de la redondance analytique plutôt que la pratique habituelle de la redondance matérielle dans l’aviation humaine. Au cours de cette étude, des pratiques d’apprentissage automatique sont mises en œuvre afin de diagnostiquer les défaillances d’un petit drone à voilure fixe afin d’éviter le fardeau de la modélisation précise nécessaire au diagnostic par le modèle. Une méthode de classification supervisée, SVM (Support Vector Machines), permet de classer les défauts. Les données utilisées pour diagnostiquer les défauts sont les mesures de gyroscope et d'accéléromètre. L’idée de limiter le jeu de données aux mesures de l’accéléromètre et du gyroscope est de vérifier la capacité de classification de la méthode, avec un jeu de puces petit et peu coûteux, et sans avoir besoin d’accéder aux données du pilote automatique, telles que les informations d’entrée de commande.
Complete list of metadatas

Cited literature [221 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-02267558
Contributor : Laurence Porte <>
Submitted on : Tuesday, August 20, 2019 - 10:05:37 AM
Last modification on : Tuesday, February 11, 2020 - 1:55:12 PM
Document(s) archivé(s) le : Thursday, January 9, 2020 - 11:32:39 PM

File

main.pdf
Files produced by the author(s)

Licence


Distributed under a Creative Commons Attribution - NonCommercial - NoDerivatives 4.0 International License

Identifiers

  • HAL Id : tel-02267558, version 1

Collections

Citation

Elgiz Baskaya. Fault Detection and Diagnosis for Drones using Machine Learning. Technology for Human Learning. Université toulouse 3 Paul Sabatier, 2019. English. ⟨tel-02267558⟩

Share

Metrics

Record views

300

Files downloads

224