Si les drones révolutionnent des domaines comme l’inspection, la surveillance ou la logistique par leur agilité et leur précision, ils restent néanmoins vulnérables face aux contraintes mécaniques, en particulier lors de vols en conditions difficiles. Parmi les signaux avant-coureurs de défaillances, les vibrations anormales sont souvent les premières alertes, menaçant la stabilité du vol, la qualité des données recueillies et l’intégrité des composants. Pouvoir détecter ces anomalies à temps est donc un enjeu majeur pour sécuriser les missions, réduire les coûts d’entretien et éviter les arrêts non planifiés.

Ce projet mené en collaboration avec l’Université du Québec à Rimouski (UQAR) et l’entreprise ATLAN SPACE, basée au Maroc, s’inscrit dans cette dynamique en développant une solution embarquée intelligente, capable d’analyser en temps réel les vibrations du drone pour anticiper les pannes avant qu’elles ne surviennent. L’approche combine la puissance des réseaux neuronaux LSTM-GRU à l’efficacité du classifieur XGBoost, garantissant une détection fine et précoce des signaux faibles.

Au-delà de la performance algorithmique, l’accent est mis sur l’optimisation embarquée afin d’assurer une autonomie totale d’analyse, sans dépendre d’une connexion réseau, pour une prise de décision instantanée directement à bord.

Les premiers résultats valident pleinement le potentiel de cette technologie, ouvrant la voie à une maintenance prédictive plus efficace, à une réduction des défaillances imprévues et à une meilleure sécurisation des opérations.