Nous avons le plaisir de vous annoncer le séminaire de 

Charles DAMPEYROU, doctorant de l’équipe VAST-FM, portant sur la "Détection d’anomalies en aviation par méthodes d’apprentissage machine". 

Le 16/03/2023 à 13h15 via Teams.

Résumé  :

Les anomalies sont des évènements rares, qui diffèrent significativement des données normalement observées. Dans le cadre de l’aviation, leur identification est primordiale afin de garantir la sécurité, mais aussi pour mieux gérer l’entretien des appareils. L’apprentissage machine est un domaine étudié depuis les années 1950, mais connaît un regain d’intérêt depuis une quinzaine d’années avec l’arrivée de modèles de deep-learning de plus en plus performants grâce à l’augmentation des puissances de calcul et des données disponibles. Ces modèles de machine learning permettent de détecter des anomalies de plusieurs façons différentes. Les modèles les plus répandus sont les modèles par reconstruction, les modèles de prédiction, les modèles de clustering et méthodes par densité. La première application considérée consiste à détecter les turbulences rencontrées durant les vols. Pour ce faire, deux méthodes sont utilisées. La première consiste à reconstruire les données des capteurs à l’aide d’un modèle de deep learning récurrent. Les données étant en majorité composées de situations sans turbulence, le modèle réalise de meilleures reconstructions sur les données ne comportant pas de turbulences. Les turbulences peuvent alors être détectées en cherchant les parties de vol pour lesquelles l’erreur de reconstruction est importante. La seconde méthode proposée est basée sur les équations du vol. Les coefficients de portance et de traînée nécessaires dans ces équation sont issus de perceptrons multi-couches, d’une manière permettant aux paramètres du modèle d’être dérivable par rapport à ses prédictions. Ainsi, le modèle peut être entraîné de manière non supervisée avec des méthodes classiques de deep-learning. Le modèle obtenu peut être qualifié de modèle hybride. Les équations du vol étant valables sous l’hypothèse d’un vol par vent constant, les turbulences peuvent être détectées en cherchant les parties de vol durant lesquelles les données prédites par les équations sont les plus éloignées de la réalité.