一种基于机器学习的飞机油箱漏点定位方法及系统

专利主权项内容

1.一种基于机器学习的飞机油箱漏点定位方法，其特征在于：该方法包括以下步骤：步骤1：数据采集，在油箱内外安装传感器采集油箱数据集，并且收集飞机操作状态，所述油箱数据集包括油箱内部的压力变化、油箱内的温度变化、油箱内液体的液位信息和油箱内液体的流动速率；步骤2：数据清洗与特征工程，对油箱数据集进行清洗、处理异常值和选择特征，对油箱数据集中的每个数据点定义标签，包括正常状态和漏点状态，得到处理后的油箱数据集；步骤3：特征提取，预训练一个CNN模型，使用这个CNN模型对处理后的油箱数据集进行特征提取，选择CNN模型中的中间层作为新的特征表示，得到新的数据集；步骤4：数据集划分，使用交叉验证的方法将新的数据集划分为训练集和测试集；步骤5：模型选择与训练，使用深度隔离森林算法，用新的特征表示构建油箱漏点定位模型，并且进行训练，得到训练完成的油箱漏点定位模型；步骤6：模型评估，使用测试集对训练完成的油箱漏点定位模型进行评估，计算精确度、准确率和F1分数，得到评估结果；步骤7：模型调整，根据评估结果对油箱漏点定位模型进行优化。