End-of-Studies Intern
Intégration de Telnet pour un projet de fin d'études portant sur un système intelligent de détection de pannes et de maintenance prédictive pour moteurs BLDC de drones.
- Conception et construction d'un banc de test personnalisé multi-capteurs basé sur STM32F746ZGTx en C, composé de cellules de charge, de capteurs de température, de régime et de son, pour l'émulation de pannes de moteurs de drones en temps réel et l'acquisition de données.
- Développement d'un pipeline d'IA de bout en bout couvrant une taxonomie de pannes à 8 classes, combinant la classification supervisée avec XGBoost et la détection d'anomalies non supervisée avec Isolation Forest.
- Comparaison de plusieurs modèles (XGBoost, Random Forest, 1D-CNN, Informer) sur des jeux de données publics et personnalisés afin d'identifier l'approche de détection de pannes la plus fiable.
Environnement technique