Comparaison de stratégies de discrimination de masses de véhicules automobiles

Abstract

L'industrie automobile utilise aujourd'hui les enquêtes en clientèle, notamment, pour le dimensionnement en fiabilité de ses composants. Le problème type du classement par masses de véhicules à partir de mesures d'accélérations et de vitesses est traité. Une méthode de discrimination optimale pour ce problème est construite en considérant 4 niveaux : choix de l'espace de recherche (sélection de variables par algorithmes évolutionnaires ou par heuristiques, analyse discriminante), choix du critère de discrimination (critère Bayésien ou de marge large), choix de la complexité et choix des paramètres des algorithmes. ABSTRACT. Customer surveys have recently been used in the automotive industry in order to statistically characterize loadings. The objective is reliable design of car components. The standard problem of classifying cars based on acceleration and speed measures is addressed here. An optimal discrimination strategy is methodically devised by considering 4 decision levels: the choice of the search space (variables selection through heuristics or evolutionary algorithms, discriminant analysis), the choice of the discrimination criterion (probabilistic or maximum margin), the choice of the classification algorithm complexity and the tuning of other algorithm parameters. MOTS-CLÉS : identification en dynamique, sélection de variables, analyse discriminante, machines à support vectoriel, classification, automobile, méthode inverse en dynamique.