Identification des segments de trim d’un aéronef à l’aide d’un modèle XGBoost entraîné sur des données de vol

Résumé

Cette recherche vise à développer une méthode d’apprentissage supervisé permettant de détecter automatiquement les phases d’équilibre d’un avion à partir de vastes ensembles de données de vol. Une phase d’équilibre, également appelée segment de trim, correspond à une portion du vol durant laquelle l’aéronef est en équilibre et peut maintenir sa trajectoire sans intervention du pilote. Ces phases sont particulièrement intéressantes dans le cadre de l’analyse de la stabilité, de la modélisation du comportement de l’avion, et du soutien aux campagnes d’essais en vol. Pour cela, nous avons mis en place une méthodologie complète fondée sur des données réelles issues de 2 147 essais en vol. Cette méthodologie comprend entre autres la sélection et l’agrégation de paramètres pertinents, la constitution d’un jeu de données annoté, ainsi que l’optimisation des hyperparamètres d’un modèle XGBoost, évalué par validation croisée. Un soin particulier a été apporté à la qualité du prétraitement, incluant le nettoyage des données, l’ingénierie des caractéristiques temporelles, et la gestion du déséquilibre des classes, afin de maximiser la robustesse du modèle. Les résultats obtenus confirment l’efficacité de notre approche : sur un jeu de test indépendant, le classificateur atteint une précision de 90 %, un rappel de 91 %, un score F1 de 0,91 et une aire sous la courbe ROC de 0,96. Ces performances traduisent une capacité élevée à détecter les phases de trim, tout en minimisant les faux positifs et les faux négatifs. Au-delà de ces performances, notre étude propose un protocole de labellisation reproductible, une base de données annotée, ainsi qu’une analyse approfondie des limitations liées au bruit des capteurs et au déséquilibre des classes. Une étude complémentaire, basée sur l’algorithme IsolationForest, permet également de repérer d’éventuelles anomalies dans les segments détectés, apportant ainsi une couche supplémentaire de fiabilité à la méthode. Ces contributions ouvrent la voie à des applications concrètes, telles que l’automatisation de l’analyse des essais en vol, l’amélioration des systèmes de contrôle ou l’assistance à la certification des aéronefs. Elles constituent également un socle méthodologique solide pour des travaux futurs intégrant la dynamique temporelle, l’apprentissage profond, ou une adaptation à d’autres types d’aéronefs aux architectures et comportements variés.

Date	4 sept. 2025
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Georges Ghazi (Directeur(-trice)) & Ruxandra Botez (Codirecteur(-trice))