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 2022-23
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.
Programme
Applied Research and Development Grants - Level 2
Bénéficiaire
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
2022
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
9999
Area of application group en
Not available
Area of application group fr
Non disponible
Area of application en
Not available
Area of application fr
Non disponible
Research subject code
2525
Research subject group en
Electrical and electronic engineering
Research subject group fr
Génie électrique et électronique
Research subject en
Wireless communication systems
Research subject fr
Systèmes de télécommunications sans fil
Installment
inst:1
Partie
1
Nb partie
1
Application title
Développement de l'apprentissage machine embarquée sur tours de contrôle aéroportuaires mobiles
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.