郝姜伟　鲁斌

摘要：根据飞机发动机状态参数建立决策树进行分类是发动机故障检测的重要方法，本文针对单棵决策树模型分类方法精度不高、容易出现过拟合等问题，提出使用组合单决策树来提高计算精度的随机森林算法，并将该方法进行仿真实验。结果表明，随机森林算法能够解决单个决策树过拟合问题，在解决飞机发动机故障诊断领域中具有广阔的发展及应用前景。

关键词：飞机发动机；故障诊断；随机森林

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）23-0158-03

Abstract：Establish decision tree for aircraft engines state parameters to classify is an important method of engine fault detection， the paper according to the accuracy of a single decision tree classification model is not high， prone to problems of over-fitting，propose the Random Forest algorithm which use a combination of a single decision tree classification model to improve the accuracy， and use it for simulation experiments.The results show that the Random Forest algorithm can solve the problem of over-fitting with a single tree，and it has a broad development prospect in solving aircraft engine fault diagnosis.

Key words：aircraft engine； fault diagnosis； random forest

随着互联网技术的持续快速发展，各种创新技术、前沿概念不断影响着人们的生活，人类社会进入了一个前所未有的信息化时代。国内航空市场发展迅速，飞机的数量不断增加，航空维修行业在不断发展。在航空业繁荣的背后，航空维修承担着非常重要的作用，航空公司近百分之二十的飞行成本是维修费用。飞机安全飞行是航空公司的生命线，飞机发动机是航空器的“心脏”是安全飞行的基础[1]，飞机发动机的重要性不言而喻。目前的航空领域正处于快速发展时期，新技术、新需求不断出现，对维修方面也提出了更高的要求，按照原来的维修方法、要求，以及安全性、可靠性已无法满足新时代的新的需求。在短时间内，利用有效、可靠的技术手段完成维修任务变得越来越重要。

分类预测是数据挖掘技术领域的主要方法。利用数据挖掘技术，根据现有的数据，对未来发展趋势进行准确、有效的分类和预测，受到了广泛的关注和研究，而且其成果也不断投入到我们的现实生活。……