FR3108738A1 - Procédé de traitement de données de vol - Google Patents
Procédé de traitement de données de vol Download PDFInfo
- Publication number
- FR3108738A1 FR3108738A1 FR2002968A FR2002968A FR3108738A1 FR 3108738 A1 FR3108738 A1 FR 3108738A1 FR 2002968 A FR2002968 A FR 2002968A FR 2002968 A FR2002968 A FR 2002968A FR 3108738 A1 FR3108738 A1 FR 3108738A1
- Authority
- FR
- France
- Prior art keywords
- flight
- signature
- similarity
- abnormal
- flights
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title description 3
- 239000011159 matrix material Substances 0.000 claims abstract description 34
- 230000010006 flight Effects 0.000 claims abstract description 20
- 239000013598 vector Substances 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0237—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on parallel systems, e.g. comparing signals produced at the same time by same type systems and detect faulty ones by noticing differences among their responses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
L’invention concerne un procédé de traitement de données de vol ayant été enregistrées au cours d’au moins trois vols d’au moins un aéronef (1) au moyen d’un enregistreur (10) de données de vol d’un aéronef, les données étant regroupées par vol dans un vecteur signature du vol dont les composantes correspondent à des données enregistrées au cours dudit vol de l’aéronef, un vol étant défini par un vecteur signature, le procédé comprenant les étapes suivantes, mises en œuvre dans une unité (20) de traitement :E2) obtention de deux vecteurs signatures et de taille respective et , , les vecteurs signatures correspondent à deux vols différents ;E3) détermination d’une matrice de similarité dont les composantes quantifient la proximité entre les deux vecteurs signatures de vols et , chaque composante permettant d’identifier pour chaque élément de la signature un élément de l’autre signature qui est le plus proche, la proximité entre deux composantes des signatures et étant une distance pondérée par une valeur moyenne des composantes voisines de la matrice de similarité ;E4) répétition des étapes E2) et E3) afin de comparer deux à deux toutes les signatures de vol de sorte à obtenir au moins trois matrices de similarité ;E5) traitement desdites matrices de similarité afin d’évaluer la similarité entre deux vols. Figure pour l’abrégé : Figure 1
Description
DOMAINE TECHNIQUE GENERAL
L’invention concerne l’analyse des données de vol enregistrées au cours de vol(s) d’aéronef.
ETAT DE LA TECHNIQUE
La réglementation en termes de maintenance et de circulation aérienne définît des normes que les compagnies aériennes sont tenues de respecter afin d'assurer à un usager un niveau de sécurité maximum.
Afin d'optimiser les phases de maintenance, les compagnies aériennes sont dotées de systèmes d'analyse de données de vol.
On connait des systèmes d'analyse de données de vol sous le nom FDM (en anglais, «Flight Data Monitoring») ou bien FOQA (en anglais, «Flight Operational Quality Assurance»). Ces systèmes consistent, entre-autre, à équiper un aéronef d'un enregistreur de données de vol. Un tel enregistreur est par exemple une boite noire ou bien un enregistreur spécifique tel qu'un ACMS (en anglais, «Aircraft Condition Monitoring System»).
Ces systèmes permettent aux compagnies aériennes de comprendre en détail le déroulement d'un vol à partir d'enregistrements réguliers des valeurs de ces données de vol effectués au cours de chaque vol de chacun de leurs avions.
Pour ce faire, ces systèmes comparent plusieurs vols entre eux en utilisant une représentation intermédiaire des vols appelée signature. Chaque signature comprend un nombre fixe de descripteurs censés représenter l’information intéressante du vol en question. A ce titre, on pourra se référer au document FR 2 987 483 qui décrit un procédé d’analyse de données de vol mettant en œuvre de telles signatures.
La comparaison de signatures entre elles nécessitent des signatures de mêmes tailles c’est-à-dire un nombre fixe de descripteurs par vol. Or souvent deux vols différents ont des durées différentes et ne comprennent pas nécessairement les mêmes descripteurs. La comparaison des vols entre eux est par conséquent rendue difficile et imprécise ce qui nuit à l’analyse des vols.
PRESENTATION DE L’INVENTION
L’invention propose de pallier au moins un de ces inconvénients.
A cet effet, l’invention propose un procédé de traitement de données de vol ayant été enregistrées au cours d’au moins trois vols d’au moins un aéronef au moyen d’un enregistreur de données de vol d’un aéronef, les données étant regroupées par vol dans un vecteur signature du vol dont les composantes correspondent à des données enregistrées au cours dudit vol de l’aéronef, un vol étant défini par un vecteur signature, le procédé comprenant les étapes suivantes, mises en œuvre dans une unité (20) de traitement :
E2) obtention de deux vecteurs signatures et de taille respective et , , les vecteurs signatures correspondent à deux vols différents ;
E3) détermination d’une matrice de similarité dont les composantes quantifient la proximité entre les deux vecteurs signatures de vols et , chaque composante permettant d’identifier pour chaque élément de la signature un élément de l’autre signature qui est le plus proche, la proximité entre deux composantes des signatures et étant une distance pondérée par une valeur moyenne des composantes voisines de la matrice de similarité ;
E4) répétition des étapes E2) et E3) afin de comparer deux à deux toutes les signatures de vol de sorte à obtenir au moins trois matrices de similarité ;
E5) traitement desdites matrices de similarité afin d’évaluer la similarité entre deux vols.
E2) obtention de deux vecteurs signatures
E3) détermination d’une matrice de similarité
E4) répétition des étapes E2) et E3) afin de comparer deux à deux toutes les signatures de vol de sorte à obtenir au moins trois matrices de similarité ;
E5) traitement desdites matrices de similarité
L’invention est avantageusement complétée par les caractéristiques suivantes, prises seules ou en une quelconque de leur combinaison techniquement possible.
La détermination de la matrice de similarité comprend les étapes suivantes
E31) initialisation d’une matrice ayant lignes et colonnes, et colonnes ;
E32) calcul de et pour (i,j) ;
E33) calcul des éléments ;
E31) initialisation d’une matrice
E32) calcul de
E33) calcul des éléments
avec
Le traitement E5) comprend les sous-étapes suivantes : E51) décomposition en vecteurs propres et valeurs propres de chaque matrice de similarité ; E52) détermination d’un coefficient d’entropie pour chaque vecteur propre ; E53) sélection d’un sous-ensemble de vecteurs propres tels que la somme des entropies soit supérieure à une fraction de la somme des entropies ; E54) détermination pour chaque signature, à partir des vecteurs propres sélectionnés, d’un score d’anormalité en vue d’évaluer (E6) si un vol est anormal.
Pour chaque vol anormal détecté, on détermine E7) un vol fantôme le plus proche du vol anormal détecté tout en ayant un score d’anormalité tel que le vol est normal.
On compare E8) les paramètres du vol anormal détecté à ceux du vol fantôme déterminé afin de détecter au moins un paramètre du vol anormal qui a rendu anormal ledit vol anormal détecté.
L’invention concerne également un produit programme d’ordinateur comprenant des instructions de code pour l’exécution d’un procédé l’invention, lorsque celui-ci est exécuté par un processeur.
Les avantages de l’invention sont multiples.
L’invention permet de comparer l'ensemble des données temporelles de deux vols, et ainsi de repérer des problèmes plus subtils que ceux qui ne se manifestent que par l'intermédiaire de descripteurs tels que moyenne, maximum etc.
La matrice obtenue est une matrice de Gram dont les composantes s’interprètent facilement car traduisant une proximité. La notion de proximité est au sens de « plus proche selon la métrique » ou encore une mesure de distance définie dans l’espace vectoriel des signatures des vols. Un analyste peut donc interpréter cette matrice.
L’obtention de la matrice est rapide. En effet, pour comparer deux signatures de tailles respectives l’invention requiert un temps de de l’ordre de alors que la plupart des autres méthodes d’analyse de signatures requièrent un temps de l’ordre de . Ceci est du au fait que l’obtention de la matrice est sur la base de la signature la plus courte. Ainsi, dans certains cas, l’invention permet de faire passer un temps de traitement de plusieurs jours à parfois moins d’une heure ce qui.
PRESENTATION DES FIGURES
D’autres caractéristiques, buts et avantages de l’invention ressortiront de la description qui suit, qui est purement illustrative et non limitative, et qui doit être lue en regard des dessins annexés sur lesquels :
DESCRIPTION DETAILLEE
Lafigure 1illustre une architecture d’implémentation de l’invention. Un dispositif 10 est embarqué à bord d’un aéronef 1. Un tel dispositif 10 permet l’acquisition, l’enregistrement et le déchargement de données de vols issues de plusieurs capteurs (non représentes) disposés dans l’aéronef 1. Les données de vol, sont déchargées vers une station sol 2 en vue de leur analyse. La station sol 2 est en communication avec l’aéronef 1 par l’intermédiaire d’un réseau 3. Le réseau 3 est un réseau sans fil ou filaire. La station sol 2 comprend une unité 20 de traitement configurée pour mettre en œuvre un procédé de traitement de données de vol qui sera décrit ci-après en relation avec lafigures 2.
Un prérequis au traitement des données de vol, qui n’est pas détaillé ici, consiste à récupérer les données de vol enregistrées au cours d’un ou plusieurs vol(s) effectué(s) par au moins un aéronef.
Ces données de vol correspondent à des paramètres de vol comme par exemple la vitesse, l'altitude, la température, etc.
Pour chaque vol, les données sont regroupées (étape E1) dans une signature de vol. Chaque signature comprend un nombre fixe de paramètres enregistrés sur une durée de vol. A titre d’exemple, on peut avoir jusqu’à 2000 paramètres enregistrés pendant un vol. On dispose d’au moins trois vols différents.
Pour regrouper les données dans une signature de vol, on peut se restreindre à une phase de vol (par exemple, l’atterrissage) et ne retenir qu’un certain nombre de paramètres. Ceci permet de raccourcir les tailles des signatures.
Une fois les données regroupées, on dispose d’un ensemble de signatures de vols, chaque signature ayant sa propre taille. Avantageusement, dans le procédé ici décrit la taille des signatures n’a pas d’importance. De même, les signatures peuvent être utilisées directement sans nécessiter de traitement de normalisation visant à pallier des ordres de grandeur différents.
Les signatures sont avantageusement traitées deux à deux (étapes E2) afin d’obtenir pour différents couples de signatures une matrice de similarité (étape E3). Dans le cas d’au moins trois vols, trois matrices de similarité sont obtenues.
Les composantes de la matrice de similarité quantifient la proximité entre deux signatures de vol en se basant sur la plus courte. Chaque composante possède un coefficient de similarité ayant une valeur par exemple comprise entre 0 et 1.
En particulier, chaque composante de la matrice permet d’identifier pour un élément d’une signature un élément d’une autre signature qui est le plus proche.
De manière avantageuse, c’est un critère de distance (ou de proximité) entre deux éléments qui évalué, pondéré par une valeur moyenne des composantes voisines à la composante calculée.
On décrit ci-après l’obtention de la matrice de similarité .
Soit et les signatures de deux vols. On considère que la signature a une taille et la signature a une taille et que la signature a une taille inférieure ou égale à la signature . En effet, on va comparer la signature la plus longue par rapport à la signature la plus courte.
La matrice est d’abord est d’abord initialisée (étape E31) et présente avantageusement lignes et colonnes. De préférence et colonnes.
Ensuite, la composante est initialisée à la valeur (étape E32). Puis les autres composantes sont calculées comme suit (étape E33) :
pour ,
avec et , et .
Les valeurs et sont les moyennes des composantes voisines de la valeur de la composante calculée. Cette pondération permet d’avoir des valeurs de coefficient de similarité qui traduisent une forme de similarité plus globale que ne considérant la seule distance euclidienne.
La matrice obtenue n’est pas carrée, aussi elle est réduite à une matrice carrée de taille (étape E34) puisque la référence est la séquence la plus courte.
La réduction consiste à ne conserver sur les lignes et colonnes que les premiers éléments.
Les étapes E31, E32, E33, E34 sont répétées (étape E4) afin de comparer deux à deux toutes les signatures de vol à disposition.
Ci-dessous, est décrite l’obtention de la matrice de similarité sous la forme d’un algorithme.
La matrice de similarité permet avantageusement de réaligner deux signatures et . En effet, il est possible d’extraire les indices pour au mieux identifier quels sont les éléments les plus proches. On a illustré sur lafigure 3le principe d’alignement de deux signatures traduit par la matrice de similarité. La courbe d’en haut montre deux signatures T et S alignées en utilisant les coefficients de similarité de la matrice obtenue. Les traits entre les deux courbes traduisent la correspondance entre les éléments des signatures. Un trait relie deux éléments de chaque signature qui ont été identifié comment étant les plus similaires (coefficient de similarité le plus faible sur chaque colonne de la matrice). On constate, toujours sur la courbe du bas, que les traits sont d’abord verticaux puisque les premières composantes de la matrice ne sont pas précises et ne prennent pas en compte la moyenne des composantes voisines. Ainsi, les premiers traits verticaux ne considèrent que la distance euclidienne. Ceci est d’autant plus visible en considérant la courbe du bas qui considère uniquement la distance euclidienne. Sur la figure du bas il n’y a que des traits verticaux. Ainsi, avec la matrice de similarité deux signatures sont alignées en maximisant la similarité. Le principe ici exposé s’inspire du principe connu sous son nom anglais par «Dynamic Time Warping» (DTW).
L’alignement ici exposé est différent d’un alignement classique utilisé pour aligner temporellement deux signatures qui n’ont pas la même durée. En effet, classiquement il s’agit de ralentir ou accélérer le temps de l’une ou l’autre des deux signatures : mathématiquement, ralentir le temps correspond à répéter un ou plusieurs éléments de la signature, alors qu’accélérer le temps revient à supprimer un ou plusieurs éléments tout en préservant l’ordre temporel des éléments de chacune des signatures.
Une fois que toutes les signatures ont été comparées, c’est-à-dire que l’ensemble de matrices est obtenu, ces dernières sont traitées (étape E5) afin d’évaluer l’anormalité d’un vol.
En particulier, chaque matrice est décomposée en vecteurs propres et valeurs propres (étape E51). On note les vecteurs propres et les vecteurs propres de la matrice , .
A partir ces vecteurs et valeurs propres on détermine un coefficient d’entropie pour chaque vecteur propre (étape E52) défini par
Pour des raisons de facilité de lecture, les indices k ont été supprimés des notations pour les valeurs propres, les vecteurs propres et l’entropie, mais il faut comprendre que les valeurs calculées le sont pour chacune des matrices de similarités.
Les coefficients d’entropie sont un critère pertinent permettant de ne sélectionner pour toutes les signatures de tous les vols seulement es données les plus pertinentes.
En particulier, on sélectionne (étape E53) un sous-ensemble de vecteurs propres tels que la somme des entropiescorrespondantes soit supérieure à une fraction (ou pourcentage) de la somme des entropies .
De manière préférée, le pourcentage est compris entre 75 et 95%, de préférence 90%.
Ensuite, pour chaque signature (ou vol) un score d’anormalité est déterminé (étape E54)
Le score d’anormalité est défini pour une signature par avec les les vecteurs propres sélectionnés et les leurs valeurs propres associées.
Le score d’anormalité est compris entre 0 et 1. Plus le score est proche de 1 plus le vol est jugé anormal.
En conséquence, on peut détecter (étape E6), en fonction du score d’anormalité , si au moins un vol est anormal.
Le score d’anormalité peut être affiché pour être visionné par un analyste.
Si un vol anormal est détecté, pour ce dernier on peut déterminer (étape E7) un vol nominal de référence appelé « vol fantôme » le plus proche de ce vol anormal détecté tout en étant dans ayant un score d’anormalité qui fait que le vol est normal. Le vol fantôme peut, bien sûr, être différent d’un vol dont on dispose de la signature.
Ensuite, on compare les paramètres du vol anormal détecté à ceux du vol fantôme déterminé afin de détecter au moins un paramètre du vol anormal qui a rendu anormal ledit vol anormal détecté (étape E8).
Le vol fantôme est généré via une procédure d’optimisation non linéaire sous contrainte de type connu.
Claims (6)
- Procédé de traitement de données de vol ayant été enregistrées au cours d’au moins trois vols d’au moins un aéronef (1) au moyen d’un enregistreur (10) de données de vol d’un aéronef, les données étant regroupées par vol dans un vecteur signature du vol dont les composantes correspondent à des données enregistrées au cours dudit vol de l’aéronef, un vol étant défini par un vecteur signature, le procédé comprenant les étapes suivantes, mises en œuvre dans une unité (20) de traitement :
E2) obtention de deux vecteurs signatures
E3) détermination d’une matrice de similarité
E4) répétition des étapes E2) et E3) afin de comparer deux à deux toutes les signatures de vol de sorte à obtenir au moins trois matrices de similarité ;
E5) traitement desdites matrices de similarité - Procédé selon la revendication 1, dans lequel la détermination de la matrice de similarité comprend les étapes suivantes
E31) initialisation d’une matrice
E32) calcul de
E33) calcul des éléments
avec
- Procédé selon l’une des revendications précédentes, dans lequel le traitement E5) comprend les sous-étapes suivantes :
E51) décomposition en vecteurs propres et valeurs propres de chaque matrice
E52) détermination d’un coefficient d’entropie pour chaque vecteur propre ;
E53) sélection d’un sous-ensemble de vecteurs propres tels que la somme des entropies soit supérieure à une fraction de la somme des entropies ;
E54) détermination pour chaque signature, à partir des vecteurs propres sélectionnés, d’un score d’anormalité en vue d’évaluer (E6) si un vol est anormal. - Procédé d’analyse selon l’une des revendications précédentes, dans lequel pour chaque vol anormal détecté, on détermine E7) un vol fantôme le plus proche du vol anormal détecté tout en ayant un score d’anormalité tel que le vol est normal.
- Procédé d’analyse selon la revendication 4, dans lequel on compare E8) les paramètres du vol anormal détecté à ceux du vol fantôme déterminé afin de détecter au moins un paramètre du vol anormal qui a rendu anormal ledit vol anormal détecté.
- Produit programme d’ordinateur comprenant des instructions de code pour l’exécution d’un procédé selon l’une des revendications 1 à 5, lorsque celui-ci est exécuté par un processeur.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2002968A FR3108738B1 (fr) | 2020-03-26 | 2020-03-26 | Procédé de traitement de données de vol |
US17/914,164 US20230127673A1 (en) | 2020-03-26 | 2021-03-23 | Method for processing flight data |
PCT/FR2021/050493 WO2021191554A1 (fr) | 2020-03-26 | 2021-03-23 | Procédé de traitement de données de vol |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2002968 | 2020-03-26 | ||
FR2002968A FR3108738B1 (fr) | 2020-03-26 | 2020-03-26 | Procédé de traitement de données de vol |
Publications (2)
Publication Number | Publication Date |
---|---|
FR3108738A1 true FR3108738A1 (fr) | 2021-10-01 |
FR3108738B1 FR3108738B1 (fr) | 2022-04-29 |
Family
ID=72356044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR2002968A Active FR3108738B1 (fr) | 2020-03-26 | 2020-03-26 | Procédé de traitement de données de vol |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230127673A1 (fr) |
FR (1) | FR3108738B1 (fr) |
WO (1) | WO2021191554A1 (fr) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2987483A1 (fr) | 2012-02-29 | 2013-08-30 | Sagem Defense Securite | Procede d'analyse de donnees de vol |
US20150324501A1 (en) * | 2012-12-12 | 2015-11-12 | University Of North Dakota | Analyzing flight data using predictive models |
EP3502920A1 (fr) * | 2017-12-25 | 2019-06-26 | Dassault Systèmes | Prévision d'un événement affectant un système physique |
-
2020
- 2020-03-26 FR FR2002968A patent/FR3108738B1/fr active Active
-
2021
- 2021-03-23 US US17/914,164 patent/US20230127673A1/en active Pending
- 2021-03-23 WO PCT/FR2021/050493 patent/WO2021191554A1/fr active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2987483A1 (fr) | 2012-02-29 | 2013-08-30 | Sagem Defense Securite | Procede d'analyse de donnees de vol |
US20150324501A1 (en) * | 2012-12-12 | 2015-11-12 | University Of North Dakota | Analyzing flight data using predictive models |
EP3502920A1 (fr) * | 2017-12-25 | 2019-06-26 | Dassault Systèmes | Prévision d'un événement affectant un système physique |
Also Published As
Publication number | Publication date |
---|---|
US20230127673A1 (en) | 2023-04-27 |
WO2021191554A1 (fr) | 2021-09-30 |
FR3108738B1 (fr) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10515272B2 (en) | Muddy water detection using normalized semantic layers | |
WO2015166176A1 (fr) | Procédé de suivi de forme dans une scène observée par un capteur asynchrone de lumière | |
FR2759802A1 (fr) | Procede de filtrage adaptatif de signaux et filtre adaptatif de signaux | |
EP0692772A1 (fr) | Procédé et dispositif pour détecter des points clés situés sur le contour d'un objet | |
EP0255177A1 (fr) | Procédé d'extraction automatique d'un objet contrasté dans une image numérique | |
FR2987483A1 (fr) | Procede d'analyse de donnees de vol | |
WO2016146937A1 (fr) | Procédé de traitement d'un signal asynchrone | |
EP3841522A1 (fr) | Évaluations de qualité d'impression par l'intermédiaire d'une classification de retouche | |
CN107330891B (zh) | 一种有效的图像质量评价系统 | |
EP3608835B1 (fr) | Procede de traitement d'images d'empreintes | |
FR3108738A1 (fr) | Procédé de traitement de données de vol | |
EP4055506B1 (fr) | Detection d'attaques a l'aide de compteurs de performances materiels | |
EP3216213B1 (fr) | Procédé de détection de pixels défectueux | |
FR3076267A1 (fr) | Procede pour diagnostiquer un etat d'usure d'un frein de parking d'aeronef | |
EP1022680A1 (fr) | Procédé et dispositif de detection de segments de droites dans un flot de données numériques répresentatives d'une image, dans lequel sont identifiés les points contours de ladite image | |
EP3360055B1 (fr) | Procede d'optimisation de decomposition d'un signal asynchrone | |
FR3053490A1 (fr) | Capteur, systeme d'analyse statistique et procede de determination et d'affichage de la hauteur d'un saut effectue par un sportif | |
JP7357836B2 (ja) | 画像処理装置及び画像処理プログラム | |
CN113411521B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
FR3059453A1 (fr) | Procede et dispositif de deconvolution d'images numeriques | |
FR2980614A1 (fr) | Procede et systeme de correction d'une image numerique par recalage geometrique de cette image sur une image de reference | |
FR3067482A1 (fr) | Dispositif de caracterisation et/ou de modelisation de temps d'execution pire-cas | |
EP4066204A1 (fr) | Procédé et dispositif de traitement d'images | |
EP4068724A1 (fr) | Procédé de détection d'anomalies dans un système d'information, programme informatique et système de détection d'anomalies mettant en oeuvre un tel procédé | |
FR2929431A1 (fr) | Procede et dispositif de classification des echantillons representatifs d'un signal numerique d'image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20211001 |
|
PLFP | Fee payment |
Year of fee payment: 3 |
|
PLFP | Fee payment |
Year of fee payment: 4 |
|
PLFP | Fee payment |
Year of fee payment: 5 |