Embedded anomaly detection - Machine learning based radiation hardening of space electronics

Les satellites n'étant pas protégés par l'atmosphère terrestre sont soumis aux radiations spatiales. L'un des effets est l'apparition de perturbations liées à une particule isolées. D'un arrêt temporaire du composant, jusqu'à la destruction de celui-ci, les effets sont variés, et c'est pourquoi il est important de protéger les composants électroniques utilisés lors d'une mission spatiale. Aujourd'hui, la méthode de prédilection se base sur le durcissement des composants. Un composant durci voit sa conception modifiée pour se prémunir des perturbations liées à une particule isolés. Cependant, une ingénierie complexe est nécessaire, ce qui se répercute sur le prix des composants. Avec la nouvelle ère spatiale qui a débuté au 21ème siècle, L'utilisation de composants durcis diminue, au profit de composants moins couteux. Une alternative au durcissement consiste en une méthode de détection à seuil. Plus générale et moins couteuse, elle ne peut néanmoins pas détecter tous les types de défauts. De ce fait, de nouvelles méthodes sont nécessaires pour préserver l’intégrité des composants lors de missions spatiales.La détection d’anomalies est un domaine appartenant à l’intelligence artificielle et à l’apprentissage automatique. L’objectif est de mettre en évidence des comportements qui dévient du fonctionnement nominal d’un système. Pour ce faire, un algorithme est entrainé sur des données d’apprentissage afin de modéliser et prédire le comportement du système. A partir de ce modèle, il est possible d’identifier les comportements anormaux, et d’agir en conséquence. Cette approche basée données se distingue du fait qu’elle ne nécessite pas de connaissances préalables du système étudié. Avec la montée en popularité des méthodes d’intelligence artificielle, de nombreuses applications ont démontrées l‘efficacité de ces méthodes de détection d’anomalies.Ce manuscrit détaille le travail réalisé visant à démontrer l’intérêt des méthodes d’apprentissages automatiques pour la détection des défauts provoqués par des particules isolées. Dans ce but, deux travaux de recherches ont été menés. Premièrement, l’impact des radiations a été étudié sur le microcontrôleur ATMEL SAM3X8E. En conséquence, une base de données a été créé, contenant des données obtenues par simulation, ainsi que des données expérimentales réalisées lors de ces travaux de thèse. De plus, une étude a été réalisé afin de déterminer les caractéristiques principales des fautes induites par des particules isolée