Final Year Project Student - Embedded Systems & Edge AI
Conduite d'un projet de fin d'études portant sur la maintenance prédictive du système d'alimentation électrique (EPS) d'un CubeSat via l'ordinateur de bord (OBC).
- Conception d'un pipeline de bout en bout pour la maintenance prédictive du système d'alimentation d'un CubeSat, de la simulation physique au déploiement embarqué, réalisé sur 5 sprints Agiles (Scrum).
- Construction d'une simulation haute fidélité de batterie Li-ion sous MATLAB/Simulink pour générer un jeu de données multi-cycles étiqueté pour un CubeSat 3U en orbite basse.
- Développement de modèles de deep learning basés sur des réseaux LSTM pour l'estimation de l'état de santé (SOH).
- Déploiement de modèles ML/DL sous contraintes embarquées en concevant un cadre d'optimisation (quantification post-entraînement float32 vers int8/float16, élagage de poids, conversion TensorFlow Lite) pour s'adapter au budget restreint en RAM, flash et calcul de l'ordinateur de bord.
- Validation du pipeline d'inférence embarqué via des tests Hardware-in-the-Loop (HIL), en évaluant la latence d'inférence, l'empreinte mémoire et la précision de détection par rapport au modèle de référence hors ligne.
- Construction du framework pour généraliser à travers différents profilages de satellites via l'apprentissage par transfert, en gelant l'encodeur partagé et en affinant les têtes spécifiques aux tâches.
Environnement technique