全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
- 基于决策树的航空发动机状态监控方法
- 作者： 关雪飞 来源： 北京航空航天大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空发动机 决策树森林 状态监视 决策树 增量决策树
- 描述： 航空发动机状态监视和预测诊断技术是实现从“以预防为主”向“以可靠性为中心”维修思想的转变、从单纯定时维修向定时、视情和监控相结合的维修方式转变的重要手段和前提条件，对保障飞行安全和减少航空发动机寿命周期费用具有重要意义。本文研究了利用决策树方法构建航空发动机状态监视和预测模型，为航空发动机的状态监视提供了一种新思路和途径。该方法利用航空发动机历史数据建立航空发动机状态监视和预测的决策树模型，可以直观显示与发动机状态相关的参数的重要度，其决策规则集可以用于对航空发动机状态进行监视和预测。和基于数学模型、信息融合、专家系统的方法不同，该方法不必考虑发动机个体之间的差异。通过对决策树规则生成算法的分析，本文研究提出利用Pearson属性相关检验对已有的规则生成算法进行简化和改进，减少已有规则生成算法的计算量。计算实例表明基于Pearson属性相关检验的决策规则生成方法可以在保证错误率基本不变的情况下节约计算时间。针对航空发动机状态数据具有增量，传统算法要利用新的数据必须重构决策树而导致计算量庞大的问题，本文研究了增量决策树构建算法并将其应用到发动机状态决策树的构建中。对新增数据应用增量算法可以将新增数据归并到已有的决策树模型中而无需重构决策树。增量算法为航空发动机状态的实时学习和预测提供了一个可行的途径。此外，针对单一决策树对噪声数据敏感的问题，本文将随机决策森林理论应用到航空发动机状态监视和故障预测中。实例表明，与单一决策树相比，决策树森林模型可以有效地抵御噪声数据的影响。当噪声数据较多时，基于决策树森林模型的状态预测可以显著降低预测错误率。基于决策树的航空发动机状态监视方法集成了单一决策树模型、决策树森林模型、增量算法各自的特点，兼顾了单一决策树可视化的优点与决策树森林模型鲁棒性和预测精度高的优点；同时利用基于Pearson属性相关检验的决策规则生成算法，提高了计算速度，为航空发动机的状态监视和预测、在线学习提供了一种新的可行途径。