Tato Nana, Gabrielle Joyce
(2023).
« Développement de modèles de catégorisation et de prédiction de taches de pilotage » Mémoire.
Montréal (Québec), Université du Québec à Montréal, Maîtrise en informatique.
Fichier(s) associé(s) à ce document :
Résumé
L’aéronautique est une industrie dynamique et performante ayant pour objectif l’évolution et la maintenance des appareils volants. Cette industrie est classée première dans l’économie européenne, car elle mobilise une grande quantité et diversité de talents. L’aéronautique regroupe les activités de conception, de fabrication et de commercialisation des aéronefs (avions, hélicoptères, drones, etc.) et des équipements spécifiques associés (propulsion, systèmes de bord, etc.), mais aussi le transport commercial, civil et militaire. Une dimension importante de la sécurité du transport aérien est l’enregistrement des données de vol. Ces données peuvent être de plusieurs types : activités et comportements du pilote (pression des freins, direction de l’avion, etc.), comportement de l’avion (vitesse indiquée, angle de chute), communications avec la tour de contrôle, etc. Certaines données varient tout au long du vol alors que d’autres restent constantes. Il peut également exister des paramètres environnementaux, c’est-à-dire extérieurs au comportement de l’avion ou des pilotes tels que la vitesse et l’orientation du vent qui peut être de travers ou en arrière, etc. L’analyse de ces données permet de décrire comment le pilote agit sur les manettes pendant le vol, ce qu’on appellera gain du pilote. Une perspective importante de l’apprentissage automatique est l’automatisation du développement de modèles analytiques et comportementaux basés sur des algorithmes d’optimisation. Les réseaux neuronaux, une sous-branche de l’apprentissage automatique, ont été largement utilisés pour les problèmes de généralisation. Ils peuvent apprendre des modèles cachés/latents à partir des données. Il est donc possible de les utiliser pour apprendre des comportements humains à partir des données représentant de nombreux comportements, tels que ceux liés au pilotage d’un avion. Cette recherche traite tout d’abord de l’apprentissage automatique pour l’analyse des comportements de pilotage afin de mettre en évidence des profils comportementaux de pilotage (gain du pilote) : "gain élevé / gain faible" et plus s’il y en a. Ensuite, le développement d’un modèle d’apprentissage des actions de pilotage plus précisément, les actions effectuées par les pilotes au décollage d’un Airbus 320. Ce modèle utilise les réseaux de neurones récurrents. Enfin, cette recherche vise le développement d’un pilote synthétique capable d’exécuter le modèle appris des actions de pilotage dans le simulateur X-Plane. Cette exécution constitue un cadre de validation des modèles développés.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : apprentissage automatique, réseaux de neurones, gain du pilote, pilote synthétique, modèle appris, aéronautique
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Fichier numérique reçu et enrichi en format PDF/A. |
|
Directeur de thèse: |
Nkambou, Roger |
| Mots-clés ou Sujets: |
Apprentissage automatique / Modèles prédictifs / Pilotes d'aéronef / Analyse comportementale / Pilotage d'avions |
| Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
01 déc. 2023 09:56 |
| Dernière modification: |
01 déc. 2023 09:56 |
| Adresse URL : |
http://archipel.uqam.ca/id/eprint/17198 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
