无人机传感器故障预测对于提高系统可靠性和安全性具有重要意义，然而，当前预测方法存在准确性不足和计算复杂度高等问题。针对无人机传感器故障预测问题，研究了一种基于改进鸽群算法(pigeon-inspired optimization，PIO)的随机森林故障预测算法。利用小波包变换(wavelet packet transform，WPT)对故障特征进行提取。利用莱维飞行机制形成变异机制以提高种群的多样性，进而改善PIO易陷入局部最优的问题，并提高算法收敛速度和全局寻优能力。将改进的PIO用于随机森林算法中使其进行自主超参数优化，从而实现传感器故障的早期预测。仿真结果表明，经过改进PIO调优后的随机森林算法收敛速度更快，相较于传统算法在准确率上提升了20%以上，表明了提出的算法在无人机传感器故障预测中的有效性和优越性。
