基于pso-svm的民航发动机送修等级决策研究

为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于pso-svm的民航发动机送修等级决策算法。首先利用改进的粒子群优化(particleswarmoptimization,pso)算法对支持向量机(supportvectormachine,svm)参数进行寻优,并提出将交叉验证(crossvalidation,cv)的平均分类精度作为pso的适应度值。对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的grid和ga算法相比,pso的参数寻优效果要更优；在小样本分类时,pso-svm的分类精度要远高于常用的神经网络分类模型径向基函数(radialbasisfunction,rbf)模型和学习向量量化(learningvectorquantization)模型。