Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Applied Research and Development Grants - Level 2

Cégep de Trois-Rivières

$75,000.00

Développement de l'apprentissage machine embarquée sur tours de contrôle aéroportuaires mobiles

EF 2023-24

Résumé
Groupe Aéronav est une entreprise québécoise oeuvrant dans la conception et l'installation de systèmes aéroportuaires. Afin d'améliorer la fiabilité de ses tours aéroportuaires, Aéronav veut développer une solution de calcul intelligente de stabilisation des tours en temps réel lors de déséquilibres causés par les terrains dévastés, instables, inondés ou séismiques. Cette solution de stabilisation des tours, préconisée par Aéronav, consiste en l'acquisition de données de détecteurs de force sur les appuis parasismiques des tours et en la transmission de ces données de force par le réseau de communication interne (CAN) du module de supervision de la tour. Ainsi, à travers la mesure de pression hydraulique convertie en vecteur de force d'appui dans les trois directions sur chacun des 4 appuis parasismiques, pour un total de 24 signaux à transmettre, l'entreprise veut mettre en place une solution intelligente de calcul de l'espace vectoriel d'équilibre réalisé en temps réel par le système afin que la donnée des périphériques de stabilisation interagisse en mode prédictif avec les contrôles hydrauliques du module de supervision de la tour en cas de déséquilibre. Le paradigme de cette recherche consiste à traduire une approche d'apprentissage machine à ce système de stabilisation qui se communique au réseau CAN du module de supervision de la tour, impliquant la convergence de l'IoT et des applicatifs d'intelligence artificielle (IA) en périphérie (Edge computing), visant la détection par apprentissage machine d'indicateurs de déséquilibre dans un contexte où les processus doivent être rendus autonomes afin de minimiser la présence de travailleurs lors de situations d'urgence. Pour ce faire, l'entreprise sollicite l'expertise du C2T3 en télécommunications sans-fil afin de réaliser un effort de recherche additionnel pour le développement de l'IA en firmware sur le microprocesseur de l'IoT, impliquant une conciliation du budget CPU pour embarquer les fonctions d'IA en Edge computing. Ce projet est d'une grande importance pour la croissance d'Aéronav puisqu'il permettra de mettre au point une solution technologique innovante de stabilisation d'infrastructures sujettes aux conditions extrêmes environnementales. Groupe Aeronav is a Quebec company that designs and installs airport systems. In order to improve the reliability of its airport towers, Aeronav wants to develop an intelligent calculation solution for real-time tower stabilisation in the event of imbalances caused by devastated, unstable, flooded or seismic terrain. This tower stabilisation solution, recommended by Aeronav, consists of the acquisition of force sensor data on the seismic supports of the towers and the transmission of this force data through the internal communication network (CAN) of the tower supervision module. Thus, through the measurement of hydraulic pressure converted into a vector of support force in the three directions on each of the 4 paraseismic supports, for a total of 24 signals to be transmitted, the company wants to implement an intelligent solution for calculating the equilibrium vector space carried out in real time by the system so that the data from the stabilisation peripherals interacts in a predictive mode with the hydraulic controls of the tower supervision module in the event of imbalance. The paradigm of this research is to translate a machine learning approach to this stabilization system that communicates to the CAN network of the tower supervision module, involving the convergence of IoT and edge computing applications, aiming at machine learning detection of imbalance indicators in a context where processes must be made autonomous in order to minimize the presence of workers during emergency situations. To this end, the company is requesting C2T3's expertise in wireless telecommunications to carry out additional research for the development of AI in firmware on the IoT microprocessor, involving a reconciliation of the CPU budget to embed AI functions in Edge computing. This project is of great importance for Aeronav's growth as it will enable the development of an innovative technological solution for stabilising infrastructures subject to extreme environmental conditions.
Programme
Applied Research and Development Grants - Level 2
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data

Tel que publié

Application id
571119-2021
Name nom
Ndoye, Majid M
Department département
Head Office
Organization id
17333
Institution établissement
Cégep de Trois-Rivières
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2023
Competition year année de concours
2021
Award amount
75000
Program id
CARD2
Program name en
Applied Research and Development Grants - Level 2
Program name fr
Subventions de recherche et développement appliquée - niveau 2
Group en
RESEARCH PARTNERSHIPS
Group fr
PARTENARIATS DE RECHERCHE
Committee code
1561
Committee name en
Applied Research and Development Grants
Committee name fr
Subventions de recherche et développement appliquée
Area of application code
805
Area of application group en
Information and communication services
Area of application group fr
Services d'information et de télécommunications
Area of application en
Communications technologies (satellites, radar, etc.)
Area of application fr
Technologie des télécommunications (satellites, radar,etc.)
Research subject code
2525
Research subject group en
Electrical and electronic engineering
Research subject group fr
Wireless communication systems
Research subject en
Génie électrique et électronique
Research subject fr
Systèmes de télécommunications sans fil
Application title
Développement de l'apprentissage machine embarquée sur tours de contrôle aéroportuaires mobiles
Keyword
CAN; Edge computing; électronique; IA; IoT; LTE-M; sans-fil; télécommunication
Application summary
Groupe Aéronav est une entreprise québécoise oeuvrant dans la conception et l'installation de systèmes aéroportuaires. Afin d'améliorer la fiabilité de ses tours aéroportuaires, Aéronav veut développer une solution de calcul intelligente de stabilisation des tours en temps réel lors de déséquilibres causés par les terrains dévastés, instables, inondés ou séismiques. Cette solution de stabilisation des tours, préconisée par Aéronav, consiste en l'acquisition de données de détecteurs de force sur les appuis parasismiques des tours et en la transmission de ces données de force par le réseau de communication interne (CAN) du module de supervision de la tour. Ainsi, à travers la mesure de pression hydraulique convertie en vecteur de force d'appui dans les trois directions sur chacun des 4 appuis parasismiques, pour un total de 24 signaux à transmettre, l'entreprise veut mettre en place une solution intelligente de calcul de l'espace vectoriel d'équilibre réalisé en temps réel par le système afin que la donnée des périphériques de stabilisation interagisse en mode prédictif avec les contrôles hydrauliques du module de supervision de la tour en cas de déséquilibre. Le paradigme de cette recherche consiste à traduire une approche d'apprentissage machine à ce système de stabilisation qui se communique au réseau CAN du module de supervision de la tour, impliquant la convergence de l'IoT et des applicatifs d'intelligence artificielle (IA) en périphérie (Edge computing), visant la détection par apprentissage machine d'indicateurs de déséquilibre dans un contexte où les processus doivent être rendus autonomes afin de minimiser la présence de travailleurs lors de situations d'urgence. Pour ce faire, l'entreprise sollicite l'expertise du C2T3 en télécommunications sans-fil afin de réaliser un effort de recherche additionnel pour le développement de l'IA en firmware sur le microprocesseur de l'IoT, impliquant une conciliation du budget CPU pour embarquer les fonctions d'IA en Edge computing. Ce projet est d'une grande importance pour la croissance d'Aéronav puisqu'il permettra de mettre au point une solution technologique innovante de stabilisation d'infrastructures sujettes aux conditions extrêmes environnementales. Groupe Aeronav is a Quebec company that designs and installs airport systems. In order to improve the reliability of its airport towers, Aeronav wants to develop an intelligent calculation solution for real-time tower stabilisation in the event of imbalances caused by devastated, unstable, flooded or seismic terrain. This tower stabilisation solution, recommended by Aeronav, consists of the acquisition of force sensor data on the seismic supports of the towers and the transmission of this force data through the internal communication network (CAN) of the tower supervision module. Thus, through the measurement of hydraulic pressure converted into a vector of support force in the three directions on each of the 4 paraseismic supports, for a total of 24 signals to be transmitted, the company wants to implement an intelligent solution for calculating the equilibrium vector space carried out in real time by the system so that the data from the stabilisation peripherals interacts in a predictive mode with the hydraulic controls of the tower supervision module in the event of imbalance. The paradigm of this research is to translate a machine learning approach to this stabilization system that communicates to the CAN network of the tower supervision module, involving the convergence of IoT and edge computing applications, aiming at machine learning detection of imbalance indicators in a context where processes must be made autonomous in order to minimize the presence of workers during emergency situations. To this end, the company is requesting C2T3's expertise in wireless telecommunications to carry out additional research for the development of AI in firmware on the IoT microprocessor, involving a reconciliation of the CPU budget to embed AI functions in Edge computing. This project is of great importance for Aeronav's growth as it will enable the development of an innovative technological solution for stabilising infrastructures subject to extreme environmental conditions.