Ce projet a été choisi dans la continuité directe du Projet SpectraV2 de l'association aérospatiale LeoFly, qui vise à développer un banc d'essai pour hélices de drones.
Il s'inscrit également dans le cadre de la spécialisation Mécanique et Modélisation Numérique (MMN), faisant le pont entre l'ingénierie physique et l'intelligence artificielle.
Les vibrations sont des indicateurs clés de la santé des machines tournantes.
Un déséquilibre peut signifier l'usure d'une pale de moteur, ou pire, une pale cassée.
L'objectif est de dépasser l'analyse manuelle pour automatiser le diagnostic grâce aux données brutes des capteurs.
Construire un modèle de Machine Learning capable de prédire avec précision le niveau de déséquilibre du rotor.
Le but ultime est de déployer ce modèle sur les données collectées par le banc d’essai moteur de LeoFly afin de sécuriser les tests.
Explorer et comparer différentes techniques d'apprentissage :
- Régression Logistique
- Random Forest
- XGBoost
Le projet vise à maîtriser la chaîne complète de traitement des données, depuis l’analyse exploratoire et la gestion des limitations mémoire, jusqu’à l’ingénierie des fonctionnalités (FFT, Skewness, Kurtosis).
Cliquez sur l'image ci-dessus pour lire le rapport complet.
Ce projet contient l'analyse complète et l'entraînement du modèle. Vous pouvez consulter le notebook directement ici : Notebook d'Analyse
Des informations additionnelles sont susceptible de s'y trouver Présentation Powerpoint