Laboratoire d’Analyse et d’Architecture des Systèmes
v.DUPE, B.JAMMES, L.SEGUIER, C.ALONSO
ISGE, N2IS, I2C
Rapport LAAS N°12627, Novembre 2012, 3p.
Diffusable
128535A.RAMOND, M.SANCHEZ, K.LI, H.DUROU, B.JAMMES, C.ROSSI
N2IS, 2I
Manifestation avec acte : PowerMEMS 2010, Louvain (Belgique), 30 Novembre - 3 Décembre 2010, 4p. , N° 10448
Diffusable
123911A.RAMOND, G.A.ARDILA RODRIGUEZ, H.DUROU, B.JAMMES, C.ROSSI
N2IS
Manifestation avec acte : PowerMEMS 2009, Washington (USA), 1-4 Décembre 2009, 4p. , N° 09729
Diffusable
123913A.RAMOND, C.ROSSI, B.JAMMES
N2IS
Rapport de Contrat : PCB2 (Airbus, Cimep, EADS, Thales, Nexio, Studelec, DGA, DGE), 4 Novembre 2009, 39p. , N° 09731
Non diffusable
119784A.RAMOND, M.KRUPA, B.JAMMES, C.ROSSI
N2IS
Manifestation avec acte : SENSACT 2009, Noisy le Grand (France), 8 Octobre 2009, 8p. , N° 09730
Diffusable
123914M.N.KABBAJ, B.JAMMES, A.DONCESCU
DISCO, N2IS
Rapport LAAS N°09558, Rapport d'activité du CNRS-LAAS au 31 janvier 2009, Septembre 2009
Non diffusable
118994J.THOMAS, M.COMBACAU, B.JAMMES, H.POULARD, H.RESSENCOURT, S.SOLDANI, A.SUBIAS, L.TRAVE-MASSUYES
ACTIA, DISCO, N2IS
Revue Scientifique : Revue de l'Electricité et de l'Electronique, N°4, 7p., Avril 2009 , N° 09153
Diffusable
Plus d'informations
En général, les méthodes de diagnostic utilisent un seul type de connaissances, par exemple un modèle analytique ou qualitatif, une base d'observations numériques, une base de cas préalablement résolus, etc. Si ces méthodes produisent de bons résultats sur des systèmes assez simples, elles deviennent très difficiles à implémenter sur des systèmes complexes comme des véhicules. En effet, il devient alors impossible ou trop coûteux d'acquérir la connaissance nécessaire à leur mise en oeuvre. L'approche suivie par le laboratoire commun Autodiag est d'utiliser différentes formes de connaissances hétérogènes dans une méthode de diagnostic intégrée. Pour cela, nous proposons d'utiliser différentes méthodes de diagnostic, comme le diagnostic à base de modèles, le diagnostic par reconnaissance de formes ou la recherche sémantique d'informations, dans un cadre commun appelé MODE. En définissant un langage commun, MODE permet à toutes ces méthodes de collaborer et de séquencer l'application de chacune en fonction des données disponibles et des contraintes de l'utilisateur. Cette approche est illustrée sur des données réelles issues du domaine de l'automobile.
J.THOMAS, N.AUSSENAC-GILLES, C.CHABAUD, M.COMBACAU, O.DUFFAUT, C.DUMAZEAU, B.JAMMES, H.POULARD, H.RESSENCOURT, A.REYMONET, S.SOLDANI, J.L.SOUBIE, A.SUBIAS, L.TRAVE-MASSUYES
ACTIA, IRIT-UPS, DISCO, MIS
Rapport LAAS N°08477, Septembre 2008, 26p.
Diffusable
Plus d'informations
M.BENKACI, B.JAMMES, A.DONCESCU
DISCO, MIS
Manifestation avec acte : Conférence Internationale Francophone d'Automatique (CIFA 2008), Bucarest (Roumanie), 3-5 Septembre 2008, 4p. , N° 08375
Diffusable
Plus d'informations
Dans cet article, nous présentons une approche pour la sélection des paramètres pertinents, basée sur la notion de conflit, dans un processus de détection de pannes. La sélection des paramètres est réalisée en deux étapes : La première consiste à mailler l'espace des paramètres pour déterminer les pavés qui décrivent la zone correspondant au bon fonctionnement du système. La deuxième étape consiste à utiliser les caractéristiques de la zone de bon fonctionnement et des données acquises sur le système en panne pour calculer le conflit entre paramètres et déterminer les plus pertinents. Des résultats expérimentaux sont présentés afin d'illustrer cette approche.
B.JAMMES, H.SHARABATY, D.ESTEVE
N2IS
Revue Scientifique : Somnologie, Vol.12, N°3, pp.227-232, Septembre 2008 , N° 08049
Diffusable
Plus d'informations
The first developments for processing electroocculogram (EOG) signals in order to automatically score the drowsiness level of an active subject are presented. Such a tool will be used to validate drowsiness detection systems based on behavioural measurements. In addition, preliminary work on automatic drowsiness scoring by utilizing the Karolinska Drowsiness Score (KDS) is presented at the end of the paper. The originality of this blink detection algorithm is the analysis of EOG velocity based on expert rules. Our tool is applied to about 30 hours of EOGs and resulting blinks are compared with the blinks determined by visual analysis. More than 97.7 % of blinks are detected and less than 0.2 % of detected blinks are eye movements, except in two particular cases.