[发明专利]一种基于深度随机森林算法的飞机作动器故障检测与诊断方法

摘要

本发明公开了一种基于深度随机森林算法的飞机作动器故障检测与诊断方法，首先总结飞机作动器的故障模式；建立RBF神经网络，通过采集飞机作动器在正常工作条件下的输入输出数据作为训练数据，对神经网络模型中的参数进行训练得到被监测作动器的解析冗余；通过采集实际作动器输出和神经网络模型解析输出信号的残差数据并经过特征提取后，将特征数据集输入到训练好的深度随机森林多分类器中，进行故障模式识别。本发明不仅能利用神经网络准确模拟飞机作动器的复杂非线性输入输出关系，利用深度随机森林强分类器准确识别故障模式，而且该方法具有并行计算，运行速度快的优势，可以集成与飞机的飞行管理计算机中，实现在线实时监测，提高飞机作动器故障诊断的准确率和效率。

主权项

1.一种基于深度随机森林算法的飞机作动器故障检测与诊断方法，其特征在于：包括以下步骤：步骤1：分析飞机作动器处于故障模式下的输入输出数据集，确定飞机作动器的故障模式集合；步骤2：采集飞机作动器正常工作情况下的输入输出数据集，建立基于神经网络的作动器解析模型，并利用采集的历史数据集对神经网络模型进行训练构建作动器的解析冗余；步骤3：再采集作动器的实际输出与建立的RBF神经网络模型仿真输出信号的残差数据，并对残差数据进行特征提取；步骤4：建立深度随机森林多分类器模型，利用飞机作动器正常状态以及各种故障模式下采集的残差数据集对深度随机森林分类器进行训练，再利用训练好的深度随机森林分类器对新采集到的残差数据进行分类，实现故障诊断。