基于机器学习的航空器进近飞行时间预测

作者： 叶博嘉   鲍序   刘博   田勇   来源： 航空学报 年份： 2021 文献类型 ： 期刊 关键词： 空中交通管理   机器学习   特征重要度   随机森林   进近飞行时间预测  

描述： 为了准确预测航空器的落地时间,提高空管部门间的协作效率,采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发,分析航空器在进近管制空域飞行时间产生差异的原因,提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签,基于提出的重要特征,采用岭回归、支持向量机、随机森林和神经网络算法,建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例,对4种机器学习模型进行训练、验证和测试,对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明,对于航空器进近飞行时间的预测,基于随机森林的模型表现出了最高的预测性能,模型的泛化能力最好、精确度高,回归效果越显著;进场状态是影响航空器进近飞行时间的最重要因素,而进场点和进场高度特征则对结果的贡献度最大。

基于机器学习的航空器进近飞行时间预测

作者： 叶博嘉   鲍序   刘博   田勇   来源： 航空学报 年份： 2021 文献类型 ： 期刊 关键词： 空中交通管理   机器学习   特征重要度   随机森林   进近飞行时间预测  

描述： 为了准确预测航空器的落地时间,提高空管部门间的协作效率,采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发,分析航空器在进近管制空域飞行时间产生差异的原因,提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签,基于提出的重要特征,采用岭回归、支持向量机、随机森林和神经网络算法,建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例,对4种机器学习模型进行训练、验证和测试,对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明,对于航空器进近飞行时间的预测,基于随机森林的模型表现出了最高的预测性能,模型的泛化能力最好、精确度高,回归效果越显著;进场状态是影响航空器进近飞行时间的最重要因素,而进场点和进场高度特征则对结果的贡献度最大。

基于随机森林和时间卷积网络的航空发动机故障预测

作者： 王秀娜   鲁守银   任飞   来源： 计算机时代 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   时间卷积网络   随机森林   故障预测  

描述： 航空发动机作为一种极其精密的设备，其内部传感器的运行状态决定了发动机能否稳定运行。因此，利用传感器的运行数据进行故障预测是维护发动机健康运行的关键。针对现阶段发动机故障预测精确度低的问题，提出了一种基于随机森林和时间卷积网络的混合模型。该模型利用随机森林算法进行重要性特征提取，然后添加滚动平均值和滚动标准差以增强数据特征，最后整合数据特征输入至时间卷积网络进行故障预测。采用C-MAPSS数据集进行验证，结果表明，该模型的故障预测性能相比于其他机器学习模型有较大幅度的提升。

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   来源： 软件学报 年份： 2019 文献类型 ： 期刊 关键词： 维修日志   卷积神经网络   故障诊断   随机森林  

描述： 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.

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   来源： 软件学报 年份： 2019 文献类型 ： 期刊 关键词： 维修日志   卷积神经网络   故障诊断   随机森林  

描述： 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.

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   来源： 厦门大学学报(自然科学版) 年份： 2020 文献类型 ： 期刊 关键词： 自适应粒子群   卷积神经网络   忠诚度预测   随机森林  

描述： 航空业的竞争愈发激烈，高效且准确的客户忠诚度预测模型有利于提高企业竞争力。针对航空数据集存在严重分类不平衡、特征维度多等问题，提出了客户忠诚度预测模型。该模型基于自适应粒子群优化算法（APSO）得到多数类优化样本子集，使用卷积神经网络（CNN）提取得到的平衡数据集特征，将自动得到的特征向量作为随机森林算法（RF）的输入，构建客户忠诚度预测模型。实验结果表明，本文方法预测性能优于其他预测模型，可以更好地预测客户忠诚度情况。

调频广播带宽对民航甚高频通信的影响分析

作者： 王淑玲   谢凤   朱倩倩   来源： 黑龙江大学自然科学学报 年份： 2018 文献类型 ： 期刊 关键词： 异常点   随机森林   强影响点   燃油消耗  

描述： 为确定燃油消耗数据中可能存在的异常点及强影响点,运用随机森林算法,对预处理后的某场站近三年燃料油消耗数据建模;对回归模型分别做残差分析和影响分析,不仅从残差图中观察出偏离既定模型很大的数据点,还仿照经典的统计诊断理论,定义诊断强影响点的统计量,可确定出对统计推断影响特别大的点;所得结论与逐步回归法一致。

基于相似性与GA-RF的航空发动机剩余寿命预测

作者： 赵洪利   魏凯   来源： 机床与液压 年份： 2022 文献类型 ： 期刊 关键词： 健康指数   遗传算法   多模型相似性   随机森林   发动机寿命预测  

描述： 针对单参数不能准确表征发动机性能退化过程，以及传统智能学习模型难以准确拟合发动机退化模型等问题，提出一种融合数据构建发动机健康指数(HI),并结合多模型相似性匹配与集成模型进行发动机剩余寿命预测的方法。利用层次聚类与轮廓系数筛选参数，并融合为发动机健康指数。采用遗传算法优化随机森林拟合发动机性能退化过程，并将多模型相似性匹配用于回归模型预测，优化模型的预测结果。选择某涡扇发动机仿真数据集(C-MPASS)验证所提方法的有效性。结果表明：该方法的RMSE为6.128、MAE为4.901,且融合健康指数和多模型相似匹配极大地提高了发动机剩余寿命预测精度。

基于降维和随机森林的航空发动机涡轮盘应力预测

作者： 徐敬沛   王学民   卿华   何云   来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 主成分分析   降维   随机森林   涡轮盘   寿命管理  

描述： 为了给发动机涡轮盘寿命管理提供有效的数据输入及后续工程应用提供依据，基于统计学习和机器学习方法，提出基于降维和随机森林的航空发动机涡轮盘应力预测模型，以发动机可测参数作为初始特征，通过相关性分析、主成分分析与聚类分析，实现了对总体参数样本的降维，并提取出主控因素，再利用随机森林算法建立航空发动机涡轮盘应力预测模型。结果表明：该方法预测精度比未降维的随机森林模型更高，判定系数R2达到0.985以上，证明该方法对航空发动机涡轮盘应力预测是有效的，对航空发动机寿命管理的技术支撑有重要意义。

航空发动机剩余使用寿命预测方法的融合与比较

作者： 黎明   宋海龙   苟江   来源： 智能计算机与应用 年份： 2022 文献类型 ： 期刊 关键词： 信息熵   航空发动机   随机森林   剩余使用寿命   融合预测  

描述： 航空发动机的性能变化将直接影响飞机的安全运行，对故障预测与健康管理(PHM)技术需求极为迫切，剩余使用寿命(RUL)预测是PHM的核心技术之一。本文采用多种预测方法对发动机剩余使用寿命进行预测，首先根据算法的功能和形式的类似性，把常用的回归类算法进行分类，接着对数据进行特征选择、异常值处理、特征衍生、数据归一化等处理，然后选取每个分类中比较经典的算法进行预测对比，最后采用基于精度的加权融合与基于信息熵融合方法，对RUL预测结果进行融合。实例分析结果表明：基于树的算法属于最佳类别，其中随机森林算法的单一预测效果最佳；融合预测方法的预测结果较单一预测方法均有一定的提升，拥有更高的预测精度。