Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

TP – Apprentissage supervisé – Comportement aérien d’un drone - 1 / 7 TP Appren

TP – Apprentissage supervisé – Comportement aérien d’un drone - 1 / 7 TP Apprentissage supervisé Comportement aérien d’un drone Problème technique * Caractériser le comportement aérien d’un drone en utilisant des mesures provenant d’un smartphone implanté sur l’appareil. Compétences à mettre en œuvre * Analyser les principes d'intelligence artificielle. * Extraire un indicateur de performance pertinent à partir du cahier des charges ou de résultats issus de l'expérimentation ou de la simulation. * Choisir une démarche de résolution d’un problème d'ingénierie numérique ou d'intelligence artificielle. * Résoudre un problème en utilisant une solution d'intelligence artificielle. 1. Mise en situation Le support de l’activité est un drone quadrirotor industriel remplissant des missions de sécurité publique, de secours ou d’inspection d’infrastructures (voir documents techniques). Figure 1 – Drone DJI Matrice 300 RTK équipé de la caméra Zenmuse H20T Le pilotage de l’appareil est effectué à partir d’une télécommande ergonomique et configurable à la convenance du pilote. En fonction des commandes de vol, le comportement aérien du drone est caractérisé suivant trois axes : tangage, roulis et lacet. Figure 2 – Axes de vol Axe de roulis(roll)Axe de tangage(pitch) Axe de lacet (yaw ou azimuth) TP – Apprentissage supervisé – Comportement aérien d’un drone - 2 / 7 En vol stationnaire, les quatre rotors du drone tournent à la même vitesse et délivrent donc la même puissance. La puissance globale est suffisante pour le maintenir à une certaine hauteur sans qu’il ne descende et pas assez pour l’élever en altitude. L’augmentation simultanée de la vitesse des quatre rotors entraîne l’élévation du drone. Inversement, la réduction simultanée de la vitesse des quatre rotors entraîne la descente de l’appareil vers la terre sous l’effet de la pesanteur. Les quatre rotors R1, R2, R3 et R4 ne tournent pas dans le même sens. R1 et R3 tournent dans le sens horaire alors que R2 et R4 tournent dans le sens antihoraire pour annuler le couple induit par les hélices. Figure 3 – Drone en vol stationnaire et désignation des rotors Lorsque le drone avance, la puissance des deux moteurs avant se réduit et celle des deux moteurs arrière augmente (le drone s’incline légèrement vers l’avant autour de l’axe de tangage). Lorsque le drone recule, c’est exactement l’inverse. Figure 4 – Drone en vol vers l’avant et vers l’arrière Lorsque le drone se déplace vers la gauche, la puissance des deux moteurs de gauche se réduit et celle des deux moteurs de droite augmente (le drone s’incline légèrement vers la gauche autour de l’axe de roulis). Lorsque le drone se déplace vers la droite, c’est l’inverse. Figure 5 – Drone en vol vers la gauche et vers la droite Avant Arrière R1 R2 R3 R4 TP – Apprentissage supervisé – Comportement aérien d’un drone - 3 / 7 Roulis à droite Tangage avant Lacet à droite Roulis à gauche Tangage arrière Lacet à gauche Apprentissage automatique Lorsque le drone effectue une rotation à droite, la puissance des deux rotors 2 et 4 augmente et celle des rotors 1 et 3 se réduit (le drone pivote vers la droite autour de l’axe de lacet). Lorsque le drone effectue une rotation à gauche, c’est exactement l’inverse. Une hélice tournant vers la gauche induit un effet de couple inverse à droite. Figure 6 – Drone en vol en rotation à droite et à gauche 2. Apprentissage automatique 2.1 Problème à résoudre L’activité suivante propose d’utiliser les données en provenance d’un smartphone implanté sur un drone pour produire un programme capable de déterminer automatiquement le comportement aérien de l’appareil. 2.2 Apprentissage supervisé L’apprentissage automatique consiste à fournir à l’algorithme un certain nombre de signaux émis par les capteurs en lui précisant à quels comportements ils correspondent. Ce procédé est appelé l’entraînement. Le résultat de l’entraînement est l’obtention d’un modèle qui permet de prédire le comportement du drone à partir de nouvelles données émises par les capteurs. Il existe un grand nombre d’algorithmes d’apprentissage, chacun ayant ses avantages et ses inconvénients et pouvant être utilisés de manières plus ou moins satisfaisantes sur le problème donné. Figure 7 – Principe de l’apprentissage automatique TP – Apprentissage supervisé – Comportement aérien d’un drone - 4 / 7 Entraînement à partir de données → itérations jusqu’à trouver le meilleur modèle Prédiction à partir de nouvelles données → intégration du modèle dans une application Figure 8 – Apprentissage automatique : entraînement et prédiction 3. Données disponibles pour l’apprentissage Les angles de roulis, de tangage et de lacet sont obtenus expérimentalement à l’aide d’un smartphone fixé sur le châssis du drone. L’application Matlab Mobile installée sur le smartphone permet d’acquérir les mesures issues des capteurs du téléphone et de les déposer sur Matlab Drive. Ces fichiers de mesure, fournis dans l’activité proposée, seront utilisés sur un ordinateur équipé du logiciel Matlab. Figure 9 – Matlab Mobile et Matlab Drive Demande d’accès à un fichier Smartphone avec l’application Matlab Mobile Serveur Mathworks Ordinateur avec le logiciel Matlab ou Matlab Online Cloud Matlab Drive Informations sur le contenu du fichier Informations sur le contenu du fichier Demande d’accès à un fichier Résultat du calcul Résultat du calcul Demande de calcul ou d’exécution d’un script Demande de résolution d’un modèle ou d’exécution d’un script Sélection du modèle de classification le plus performant Chargement des données caractéristiques des capteurs Pré-traitement des données Apprentissage, entrainement et comparaison des modèles Prédiction du comportement du drone Chargement des données de test Pré-traitement des données de test Utilisation du modèle entraîné TP – Apprentissage supervisé – Comportement aérien d’un drone - 5 / 7 Les mesures expérimentales sont mises en forme et regroupées dans deux fichiers : - Donneesorientations123.xlsx (acquisition de 3 mesures pour le tangage avant, 3 mesures pour le tangage arrière, 3 mesures pour le roulis droite, 3 mesures pour le roulis gauche, 3 mesures pour le lacet droite et 3 mesures pour le lacet gauche à la fréquence de 10 Hz et pendant une durée de 6 secondes). - Donneesorientations12345.xlsx (acquisition de 5 mesures pour le tangage avant, 5 mesures pour le tangage arrière, 5 mesures pour le roulis droite, 5 mesures pour le roulis gauche, 5 mesures pour le lacet droite et 5 mesures pour le lacet gauche à la fréquence de 10 Hz et pendant une durée de 6 secondes). Temps seconde Degré lacet Degré tangage Degré roulis Mouvement 0 167,222552 0,19109 -0,216484 Lacet à droite 0,1 167,222552 0,191115 -0,215674 Lacet à droite … … … … … … … … … … 5,9 -154,290572 0,036468 -0,635974 Lacet à droite 6 -153,113006 0,023314 -0,638857 Lacet à droite 0 78,391707 -0,561339 0,680284 Lacet à droite … … … … … 6 152,414346 -0,011 -0,220989 Lacet à droite 0 13,661357 -1,153675 0,15505 Lacet à droite … … … … … 6 113,926613 -0,5125 0,088134 Lacet à droite 0 158,00573 0,094242 -0,101106 Lacet à gauche … … … … … 6 95,036106 -0,390107 0,718008 Lacet à gauche 0 78,880229 -0,627174 0,703011 Lacet à gauche … … … … … 6 -5,632954 -1,363217 0,246396 Lacet à gauche 0 -15,928474 -1,236114 -0,221776 Lacet à gauche … … … … … 6 -113,465814 -0,554776 -0,426146 Lacet à gauche 0 -169,47967 0,016539 -0,052847 Roulis à droite … … … … … 6 -169,508302 -0,078447 21,632203 Roulis à droite 0 149,105557 0,053171 0,517464 Roulis à droite … … … … … 6 147,820907 -0,44285 16,965758 Roulis à droite 0 72,204737 -0,973995 0,944197 Roulis à droite … … … … … 6 70,674863 -0,697175 19,779512 Roulis à droite 0 -176,185768 0,44909 0,058082 Roulis à gauche … … … … … 6 -177,69666 -0,140202 -10,614001 Roulis à gauche 0 133,013822 -0,072082 0,779843 Roulis à gauche … … … … … 6 131,743926 -0,405389 -21,747194 Roulis à gauche 0 66,288229 -0,685469 0,562022 Roulis à gauche … … … … … 6 64,989277 -0,10624 -21,539632 Roulis à gauche 0 -37,251524 -0,563147 -0,157879 Tangage arrière … … … … … 6 -36,848341 -18,444989 0,439592 Tangage arrière 0 -98,94225 0,017829 0,418502 Tangage arrière … … … … … 6 -98,129451 -19,183582 1,073569 Tangage arrière 0 172,949296 -2,301855 -0,327971 Tangage arrière … … … … … 6 172,90893 -19,294041 -1,065706 Tangage arrière 0 -50,589866 1,04445 0,114378 Tangage avant … … … … … 6 -50,54062 21,681684 -0,067467 Tangage avant 0 -109,131909 -0,604242 0,81489 Tangage avant … … … … … 6 -109,06205 21,889725 0,358349 Tangage avant 0 -160,652934 -0,868005 0,457645 Tangage avant … … … … … 6 -160,550673 20,458146 0,258575 Tangage avant Figure 10 – Extrait du fichier de mesures Donneesorientations123.xlsx TP – Apprentissage supervisé – Comportement aérien d’un drone - 6 / 7 4. Création du modèle d’apprentissage N°1 4.1 Utilisation de l’application Classification Learner La résolution du problème s’appuiera sur l’utilisation de modèles d’apprentissages disponibles dans l’application Matlab Classification Learner. Une lecture attentive du tutoriel proposé est recommandée. 4.2 Importation des données d’apprentissage Importer le premier fichier Donneesorientations123.xlsx 4.3 Choix d’un modèle d’apprentissage Sélectionner les deux modèles suivants : - classificateurs des plus proches voisins (Nearest Neighbor Classifiers – All KNNs), - classificateurs des réseaux de neurones (Neural Network Classifiers – uploads/S4/ 1-tp-apprentissage-supervise-comportement-aerien-drone.pdf