利用随机森林算法的卫星控制系统故障诊断

针对卫星姿态控制系统存在闭环控制,外部干扰强,进而影响故障诊断准确性和实时性的问题,提出了一种利用随机森林算法的卫星姿态控制系统姿态敏感器和执行器故障诊断方法.首先,采集不同故障情形下卫星姿态控制系统的输入输出数据,进行特征提取.随后通过随机有放回抽样划分训练集和测试集,建立基于随机森林算法的故障诊断模型.利用生成的随...     

基于概率滑行时间的航空器离场推出柔性控制

航班离场过程动态多变且高度随机，滑出时间不确定性导致推出时间难以科学配置。为此，研究基于概率滑行时间的航空器离场推出柔性控制问题。首先，采用随机森林回归和核密度估计方法，建立了基于机器学习的概率滑行时间预测模型、超参数调节策略及概率预测性能评价指标体系；然后，引入固定缓冲区概念，提出了离场航空器“推出时刻”柔性控制方法，明确了缓冲区长度对准时到达跑道头概率的作用特性；最后，应用随机规划中的机会约束理论，提出了离场航空器“推出时隙”柔性控制方法，设计了满足机会约束的可行推出时间范围界定规则。实验结果表明：所提方法可对离场航空器概率滑行时间进行科学预测，有效实现传统推出时间刚性控制向多视角柔性控制的灵活转化，可为增强机场离场管制的可预测性和灵活性提供理论方法支撑。     

基于SVR-随机森林模型的民机落地剩油预测研究

针对国产民机落地剩油的预测与单一算法预测精度较低的问题，本文提出了一种基于支持向量回归机（SVR）与随机森林（RF）算法组合的预测模型对国产民机落地剩油做预测。灰色关联度分析得到落地剩油关联度较高的因素，简化模型输入量；采用单一的SVR算法与RF算法进行落地剩油预测，利用倒数误差法将两个单一算法组合起来对落地剩油做预测。实例验证，单一的预测模型准确率为81.21%、83.91%；组合模型的准确率为93.2%，提高了落地剩油预测的精度，有利于飞机在安全飞行的前提下合理减少额外油，提高经济效益。     

基于表面成分检测的铝合金精准分类方法研究

铝合金凭借其优良特性广泛应用于工业制造，产生了大量废旧铝合金，而新生产铝合金会消耗大量能源且对环境造成污染，因此回收再利用废旧铝合金有重要意义，须找到对铝合金进行分类回收的高效分类方法。基于表面成分检测技术-激光诱导击穿光谱技术(LIBS),先采集铝合金表面成分的光谱信息，再结合ELMAN神经网络、人工神经网络(ANN)以及随机森林(RF)模型分别对全谱数据和特征谱线数据进行了铝合金系列分类和牌号分类。研究表明：LIBS结合RF模型，能够更加快速准确的对6个系列11个牌号的铝合金进行分类，该结果为废旧铝合金系列及牌号的快速分类提供了参考方法。     

基于多特征融合与RF的球磨机滚动轴承故障诊断

由于冶金工业工况复杂，很难从单一信号中获取高质量的故障特征，诊断效果不佳。针对直接使用电流和振动信号进行融合，不能体现2类信号在不同频段上的优势和彼此之间的互补信息，而影响诊断性能的问题，提出一种基于振动和电流信号的多特征互补融合故障诊断方法。将振动信号和电流信号的高频系数特征通过最大绝对值规则融合，形成体现高频段特征的互补特征；将振动信号和电流信号的低频系数特征通过稀疏表示（SR）融合，形成体现低频段特征的互补特征。通过定义由多特征组成的特征矩阵融合全频段特征，增强全局特征表征能力。采用递归特征消除法消除融合后的冗余特征，提高分类精度，结合随机森林（RF）对轴承故障状态进行分类。实验结果表明：所提方法相比基于振动信号和基于电流信号的诊断结果更加准确。     

基于随机森林的飞行载荷代理模型分析方法

飞行载荷分析(FLC)通常需消耗大量的计算资源和时间，提升飞行载荷计算效率对于缩短研发周期、提高设计质量具有重要意义。本文研究了数据驱动的机器学习代理模型飞行载荷分析方法，由于随机森林(RF)代理模型具有学习效率较高、泛化能力较强、可避免过拟合、参数可解释、变量敏感度分析等优点，使其十分切合飞行载荷分析，具有重要的应用潜力和前景。文中基于传统的飞行载荷分析方法，采用NASTRAN的SQL144载荷分析框架获得训练随机森林代理模型的样本数据，然后以高度、马赫数、过载、俯仰角加速度等作为输入参数构建了飞机对称机动载荷预测代理模型。采用建立的模型预测了算例飞机其他工况机翼翼根、平尾翼根的剪力、弯矩、扭矩，通过对预测结果评估校验，证实了模型具有较高的精度，可以大幅提升飞行载荷分析效率，并能够分析飞行载荷对各状态参数的敏感度，为高效全面地分析飞行载荷提供了新的思路。     

基于多层次特征的高分影像海岸带地物分类

针对高分辨率影像地物光谱丰富复杂的问题，文章提出了一种结合像元-对象-空间格局特征的水域、盐田等海岸带精细地物分类方法。首先基于像元和空间格局特征分别利用遗传算法优化随机森林参数进行分类；其次将两种分类结果采用D-S证据理论融合；然后基于不同地物斑块的空间上下文信息，采用粒子群算法优化支持向量机（Support Vector Machine，SVM）参数实现面向对象的二次分类。为验证方法的有效性，收集山东省莱州湾海岸带附近区域的“高分二号”卫星影像，开展了水域及水利设施用地、盐田、工矿用地、交通运输用地、住宅用地、沿海滩涂、海域与耕地8类地物的分类实验，总体精度达到97.21%，Kappa系数为0.964 2。实验结果表明，文章提出的高分影像海岸带地物分类方法兼顾像元、对象及空间格局特征优点，能够实现多层次细致分类，并同时兼具较短的训练时长与较高的分类精度。该研究成果可为中国海岸带生态环境监测与土地利用规划提供一定技术支撑。     

面向飞行试验的多源气动数据智能融合方法

风洞试验和飞行试验是飞行器研制过程中进行气动性能分析与优化设计的重要手段，然而，在高超声速飞行条件下，真实气体效应、黏性干扰效应和尺度效应的复杂变化给气动数据精准预测带来巨大挑战。为了提升天地气动数据一致性，针对某外形飞行试验数据开展了典型对象的天地气动数据融合方法研究。结合数据挖掘的随机森林方法，本文提出了一种面向飞行试验的数据融合框架，通过引入地面风洞试验气动数据，实现了对复杂输入参数的特征分析与特征排序，进一步对不同飞行时刻下飞行试验的气动数据开展了交叉验证。结果表明随机森林的机器学习框架对风洞-飞行试验数据关联具有较好的预测与外推能力，可以有效提升气动数据预测精度，相关研究为复杂环境下气动数据多源融合提供了思路。