基于随机森林的航空发动机工作状态识别

• 作者: 彭靖波 李鼎哲 王玮轩 赵彪 赵泽平
• 来源期刊: 空军工程大学学报（自然科学版）
• 学科: 航空航天
• 关键词: 航空发动机 飞参数据 工作状态识别 随机森林 主成分分析 属性约简
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 军用航空
• 页码范围: 15-20
• 页数: 6页
• 分类号: V235.13
• 字数: 4478字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3516.2020.01.003

摘要

为解决人工识别航空发动机工作状态中存在的误判和耗时费力等问题,提高识别准确率,提出了一种基于主成分分析(PCA)的特征提取方法和随机森林(RF)的智能识别方法.首先对飞参数据进行预处理,利用PCA将数据降维进行属性约简,并根据发动机工作状态将样本分组,用随机森林方法训练获得分类器;然后将几种分类方法的识别效果进行对比;最后采用该方法对某一架次的发动机工作状态进行识别.结果 表明,该方法能够准确快速地识别航空发动机的稳定工作状态,识别准确率达到97.89％.可应用于发动机工作状态的相关研究.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭靖波	空军工程大学航空工程学院	42	258	10.0	14.0
2	赵泽平	空军工程大学航空工程学院	3	0	0.0	0.0
3	李鼎哲	空军工程大学航空工程学院	1	0	0.0	0.0
4	王玮轩	空军工程大学航空工程学院	1	0	0.0	0.0
5	赵彪	空军工程大学航空工程学院	1	0	0.0	0.0