技术摘要：
本发明公开了一种基于随机森林的飞机环控系统气冷设备鲁棒故障诊断方法，具体步骤如下：步骤一：时序数据获取与归一化处理；步骤二：构建随机森林模型与训练样本子集；步骤三：对每个决策树进行训练并最终完成随机森林模型的训练；步骤四：飞机环控系统气冷设备鲁棒故  全部
背景技术：
飞机环控系统，即飞机环境控制系统作为重要的机载系统之一，承担着为机上人 员提供舒适空气环境的任务。环控系统通过控制机舱内空气的温度、湿度、流速、压力等参 数，为驾驶员与机载设备提供足够适宜的生存和工作环境。 飞机执行任务过程中，机载电子设备在运行的同时释放大量的热能使设备舱温度 升高，过高的温度会导致飞机机载电子设备出现异常，严重影响飞机执行任务。因此，飞机 环控系统通过空气冷却回路，从发动机处提取高温高压气体，经过一系列热交换器初步降 温、冷却涡轮膨胀降温，冷凝及冷热空气混合后，变成温度适宜的冷风输送给设备舱，为机 载设备提供风冷散热。机载电子设备是飞机进行控制飞行的关键部件，因此需要保障其工 作环境的正常。因此，对气冷设备故障进行有效检测是飞机维修保障工作中的重要一环。 现有飞机环控系统的气冷设备故障诊断方法主要使用传感器对飞机设备舱进行 监测，通过专家知识对温度阈值进行人为设定，当温度实际测量值超出阈值后，系统将发出 气冷设备故障告警。这种传感器监测结合固定阈值的故障检测方法存在灵活性差、易受环 境因素扰动等问题，导致实际使用过程中出现大量的虚警及故障漏报情况，严重影响驾驶 员对飞机状态进行正确的判断。
技术实现要素：
鉴于上述问题，本申请旨在提出一种基于随机森林的飞机环控系统气冷设备鲁棒 故障诊断方法，通过建立包含多决策树集成的随机森林模型，对气冷设备环境温度变化与 空气冷却回路中的关键设备运行参数变化间的关联关系，以飞机环控系统冷却回路运行参 数作为判别气冷设备故障判据，从而实现飞机气冷设备鲁棒故障诊断。 本申请的基于随机森林的飞机环控系统气冷设备鲁棒故障诊断方法，其包括： 步骤一：时序数据获取与归一化处理 分别获取飞机环控系统正常状态下及气冷设备故障状态下状态参数信号，构建正 常状态样本集与气冷设备故障样本集，调整两类样本数据量达到均衡，并分别注明故障标 签，对所有样本集进行归一化处理，作为随机森林模型的训练样本集。 步骤二：构建随机森林模型与训练样本子集 设置随机森林模型参数：决策树的数量、决策树深度、终止条件，并以此为依据分 别构建决策树，最终组成随机森林模型。采用有放回的重采样方式对步骤一获得的训练样 本集进行随机抽取，并保证样本子集的数据量一致，获得与决策树数量相对应的随机训练 样本子集。 3 CN 111580498 A 说　明　书 2/4 页 步骤三：训练随机森林模型 将样本子集分配给随机森林模型中的每一个决策树模型，决策树模型独立进行训 练，直到每个决策树模型的每个节点满足终止条件，随机森林模型训练完成。 步骤四：飞机环控系统气冷设备鲁棒故障诊断 采集飞机环控系统实际运行信号，对其开展与步骤一相同的数据归一化处理，获 得飞机环控系统待检测样本集，分别输入步骤四中已训练好的随机森林模型中的每一支决 策树中，随机森林模型对所有决策树的预测结果进行整合，对当前飞机环控系统是否存在 气冷设备故障进行检测。 本发明的优点与积极效果在于： (1)气冷系统发生故障时，环控系统监测参数会发生复杂非线性变化，本方法借助 随机森林算法，从运行数据中挖掘环控系统参数与气冷设备热告警信号之间的关联关系， 进而借助环控系统参数来对气冷设备故障进行精确检测，避免了固定单一阈值在环境扰动 中出现的虚警漏报等问题； (2)随机森林模型的多决策树构造避免了单一分类器的拟合上限，在进行飞机环 控系统气冷设备鲁棒故障诊断中具有更高的检测准确率； (3)通过环控系统庞大的参数集进行故障诊断，避免了单一传感器异常带来的检 测风险，同时通过环控系统连续变化的参数实现气冷设备运行环境动态检测。 附图说明 图1是本发明的基于随机森林的飞机环控系统气冷设备鲁棒故障诊断方法流程 图； 图2是本发明的随机森林模型结构示意图； 图3是本发明实施例中的初始输入数据； 图4是本发明实施例中的原始信号参数归一化结果； 图5是本发明实施例中的气冷设备鲁棒故障诊断结果；