基于维修日志的飞机设备故障原因判别方法
日期:2019.07.11 点击数:12
【类型】期刊
【刊名】软件学报
【关键词】 维修日志,卷积神经网络,故障诊断,随机森林
【摘要】在飞机维修与保养过程中,航空维修公司已积累了大量经验性的维修日志数据.合理利用该类维修日志,结合机器学习方法,可以辅助维修人员做出正确的故障诊断决策.首先,针对维修日志的特殊性,提出一种迭代式的故障诊断基本过程;其次,在传统的文本特征提取技术的基础上,基于领域内信息,提出一种基于卷积神经网络(convolution neural network,简称CNN)的小样本文本特征提取方法,在样本量较少的情况下,利用预测目标将字向量作为输入,得到更为充分的文本特征;最后,使用随机森林(randomforest,简称RF)模型,结合其他故障特征判别飞机设备的故障原因.卷积神经网络以故障原因为目标,预先对故障现象中的字向量进行训练,从而得到更能反映该领域的文本特征.与其他文本特征提取方法相比,该类方法在小样本数据上得到了更好的效果.同时,将卷积神经网络与随机森林模型应用于飞机设备的故障原因判别,并与其他文本特征提取方式和机器学习预测模型进行对比,说明了该类文本特征提取方式和故障原因判别方法的合理性和必要性.
【年份】2019
【作者单位】北京航空航天大学计算机学院;
【期号】05
【页码】1375-1385
【全文挂接】全文挂接
相关文章
- 1、基于维修日志的飞机设备故障原因判别方法 作者:王锐光,吴际,刘超,杨海燕, 年份:2019
- 2、基于自适应粒子群优化的不平衡航空客户数据质量优化 作者:姚雨虹,杨小兵,陈欣, 年份:2020
- 3、机器学习在航空客户忠诚度预测中的应用 作者:姚雨虹 年份:2020
- 4、数据驱动的进场航空器飞行时间预测 作者:归旭豪 年份:2021
- 5、某型航空发动机中介轴承故障诊断技术研究 作者:董欢 年份:2017
- 6、基于优化CNN的航空液压管路卡箍故障诊断 作者:窦金鑫,薛政坤,于晓光,范玉鑫,刘忠鑫,杨同光, 年份:2021