基于机器学习的飞行品质评估

摘要：

民航事业的快速发展,航空事故的频繁发生,使得航空运输安全成为人们关注的焦点.提出了一种基于主成分分析-粒子群优化算法-支持向量机(principal component analysis-particle swarm optimizatien-support vector machine,PCA-PSO-SVM)的飞行品质评估方法,能够有效对飞行品质做出客观评价.首先,根据快速存储记录器数据提取起飞爬升和进近着陆阶段飞行品质评价指标,采用PCA综合评价对飞行品质进行评估;然后,将评估结果作为SVM的输入,通过PSO算法优化SVM参数;最后,通过训练PSO-SVM模型实现机器学习算法对飞行品质进行评估.测试结果表明,飞行品质分类评估准确率达90％.因此,该方法能够客观有效对飞行品质进行评估,有利于提升飞行品质,提高飞行安全.

关键词：飞行品质;快速存储记录器;主成分分析;支持向量机;随机权重粒子群

所属期刊栏目：21

分类号：V328(航空飞行术)

资助基金：空中交通管理系统与技术国家重点实验室开放基金SKLATM202006

在线出版日期：2021-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：8262-8269