Dissertação

{en_GB=Relevance of flight events based on physiological and flight variables} {} CONFIRMED

{pt=Este trabalho tem como objectivo geral correlacionar determinados eventos que ocorrem durante um voo, baseado nas variáveis fisiológicas do piloto e nas da aeronave. Como resultado final será esperado desenvolver modelos que, tendo como entrada as variáveis recolhidas (fisiológicas e da aeronave) tenham como saída uma classificação do estágio de voo em que o piloto se encontra ou, se o piloto se encontra numa situação de anómala. Para recolher variáveis, criou-se um aparelho constituído por um Bitalino, uma Unidade de Medida Inercial (IMU) e um Arduino, responsáveis por recolher variáveis fisiológicas e da aeronave e enviá-las para um aparelho exterior. Tendo a base de dados sido criada, os seus dados são filtrados, e são criadas novas variáveis, baseadas nas originais, para complementar os dados recolhidos. O último passo para concretizar o objectivo deste trabalho, é a criação dos modelos referidos anteriormente, sendo utilizados para tal dois algoritmos, K-means clustering e redes neuronais, sendo o segundo complementado com uma selecção de variáveis exaustiva, com o objectivo de detectar quais as variáveis mais relevantes para cada uma das classificações. As redes neuronais quando complementadas com a selecção de variáveis demonstraram ser o algoritmo mais eficaz a classificar cada um dos eventos, sendo os resultados obtidos bastante promissores., en=This work intended to correlate certain events that occur during a flight based on physiological and flight variables. The primary objective was to build a classification model that has as input the variables acquired from the developed data acquisition device, in order to classify if a pilot was in a dangerous situation and what stage of the flight the pilot was in. To acquire the variables, an acquisition system was developed that includes a Bitalino, an Inertial Measurement Unit (IMU), an Arduino and a Bluetooth, responsible for collecting physiological and flight variables and sending them to an external device. Having the data set prepared, the data is filtered and new features are created to enrich the set, making it ready to be used in the creation of the classification models. It is possible then to fulfil the main purpose of this work, with the creation of accurate models to classify if the aircraft has an engine fail or not and at which stage of a flight the pilot is at. The classification algorithms used were artificial neural networks and K-means clustering, being the first one complemented with an exhaustive feature selection, in order the detect the most relevant features in the data set. The neural networks, when complemented with the feature selection, demonstrated to be the most accurate model to perform the classification task, resulting in very accurate classifications.}
{pt=Aviação Desportiva, Classificação, Base de Dados, Aquisição de Variáveis, Redes Neuronais, Selecção de Características, en=Sport aviation, Classification, Data Set, Variables Acquisition, Neural Networks, Feature Selection}

Novembro 27, 2017, 14:0

Orientação

ORIENTADOR

Susana Margarida da Silva Vieira

Departamento de Engenharia Mecânica (DEM)

Prof Auxiliar Convidado

ORIENTADOR

Alexandra Bento Moutinho

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar