基于增量式孤立森林的液体火箭发动机异常检测方法

摘要：

为解决液体火箭发动机故障标签缺失条件下流数据无监督检测问题,以及满足不同发动机台次和不同工况的自适应检测需求,基于增量学习思想,提出了基于增量式孤立森林的异常检测算法.设计了多工况流数据检测条件下的在线更新策略、异常分数表达式,并通过更新停止策略避免故障数据对模型的污染.利用多台次试车数据对该模型进行验证,并与传统方法进行比较,结果表明,该算法能够对样本异常程度进行量化评价,能够有效检测早期缓变故障,其F1指标较原始孤立森林算法提高了 43％,检测及时性优于红线算法和自适应阈值算法.

关键词：孤立森林、自适应检测、增量学习、异常检测、流数据

所属期刊栏目：37

分类号：V434(推进系统（发动机、推进器）)

在线出版日期：2022-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1674-1682