基于机器学习的飞行品质评估

作者：袁伟良; 卢朝阳^*; 卢卫; 何庶

来源：科学技术与工程, 2021, 21(19): 8262-8269.

• 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

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。

• 单位
  南京航空航天大学