Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Validity Analyses of an Anthropometric Method Based on Computer Graphics Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Spacecraft Electrical Signal Classification Method of Reliability Test Based on Random Forest

verfasst von : Ke Li, Ruicong Ran, Shimin Song, Jun Wang, Lijing Wang

Erschienen in: Man–Machine–Environment System Engineering

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The spacecraft electrical signal characteristic data exist a large amount of data, high dimension features, computational complexity degree and low rate of identification problems. This paper proposes the feature extraction method based on wavelet de-noising and the classification method based on random forest (RF) algorithm. Considering the time complexity, the method of wavelet de-noising is used to compress the data and reduce the dimension and then applied to classification. The random forest algorithm has superior performance in dealing with the large amount of data. The experimental results show that compared with other algorithms, the proposed method shows excellent performance in accuracy, computational efficiency, stability in dealing with spacecraft electrical signal data.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Study on the Performances of Supply Air for Uniform Air Supply Square Hood by Numerical Simulation
Nächstes Kapitel Cladding Material of Fuel Element of Fast Neutron Reactor
Literatur
1.
Gao X, Zhang T, Liu HJ (2013) Spacecraft fault diagnosis based on telemetry data mining and fault tree analysis and design of expert system. Adv Mater Res 760–762(6):1062–1066CrossRef
2.
Shaw SR (2005) System identification techniques and modeling for nonintrusive load diagnostics. Massachusetts Institute of Technology, Cambridge
3.
Batzel TD, Swanson DC (2009) Prognostic health management of aircraft power generators. IEEE Trans Aerosp Electron Syst 45(2):473–482CrossRef
4.
Luo R (2013) Analysis of PHM technology for spacecraft. Spacecr Eng 04: 95–102
5.
Liu Y, Li K, Huang Y (2014) Spacecraft electrical characteristics identification study based on offline FCM clustering and online SVM classifier. In: international conference on multi sensor fusion and information integration for intelligent systems (MFI), pp 1–4
6.
Li K, Liu Y, Wang Q (2015) A spacecraft electrical characteristics multi-label classification method based on off-line FCM clustering and on-line WPSVM. Plos One doi: 10.​1371/​journal.​pone.​0140395 10(11): e014039
7.
Li K, Liu Y, Du SY (2015) Spacecraft electrical characteristics identification method based on PCA feature extraction and WPSVM. J Beijing Univ Aeronaut Astronaut 41(7):1177–1182
8.
Liu Y, Li K, Song S (2014) The research of spacecraft electrical characteristics identification and diagnosis using PCA feature extraction. In: international conference on signal processing (ICSP), pp 1413–1417
9.
Yan W (2006) Application of random forest to aircraft engine fault diagnosis. In: IMACS multi conference on computational engineering in systems applications, pp 468–475
10.
Qing HU, Sun CX, Lin DU (2010) Transformer fault diagnosis method using random forests and Kernel principle component analysis. High Voltage Eng 36(7):1725–1729
11.
Chen X, Cui H, Luo L (2011) Fault diagnosis of transformer based on random forest. In: international conference on intelligent computation technology and automation, pp 132–134
12.
Zhuang JF, Luo J, Peng YQ (2009) Fault diagnosis method based on modified random forests. Comput Integr Manuf Syst 15(4):777–785
13.
14.
Li K, Liu W, Wang J (2014) Multi-parameter decoupling and slope tracking control strategy of a large-scale high altitude environment simulation test cabin. Chin J Aeronaut 27(6):1390–1400CrossRef
15.
Zhao L, Jia Y (2015) Neural network-based distributed adaptive attitude synchronization control of spacecraft formation under modified fast terminal sliding mode. Neurocomputing 171(C):230–241
16.
17.
Pataki B, Toth N (2008) Classification confidence weighted majority voting using decision tree classifiers. Int J Intell Comput Cybern 1(2):169–192MathSciNetCrossRefMATH
18.
Pal M (2005) Random forest classifier for remote sensing classification. Int J Remote Sens 26(1):217–222CrossRef
19.
Kulkarni VY, Sinha PK, Petare MC (2015) Weighted hybrid decision tree model for random forest classifier. J Inst Eng 97(2):1–9
20.
Deng H, Runger G (2013) Gene selection with guided regularized random forest. Pattern Recogn 46(12):3483–3489CrossRef
21.
Khaing HKT (2013) Detection model for daniel-of-service attacks using random forest and k-nearest neighbors. Int J Adv Res Comput Eng Technol 2(5) :1855–1860
Metadaten
Titel
Spacecraft Electrical Signal Classification Method of Reliability Test Based on Random Forest
verfasst von
Ke Li
Ruicong Ran
Shimin Song
Jun Wang
Lijing Wang
Copyright-Jahr
2018
Verlag
Springer Singapore
Buch
Man–Machine–Environment System Engineering

Print ISBN: 978-981-10-6231-5

Electronic ISBN: 978-981-10-6232-2

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-981-10-6232-2_53

Neuer Inhalt

    Bildnachweise