典型文献
基于灰狼算法的民航维修人为差错评价模型
文献摘要:
随着民航运输业的迅猛发展,航空运输量和排班量大幅度增加.航空器在可靠性和安全性等诸多方面都有了大幅度提升.由机械故障导致的安全事故比例从80%下降到了20%,而维修过程中的人为差错占比却直线上升,成为影响民航安全、飞行安全及运行成本的重要因素.因此,民航业对于人为差错备受关注.为了降低民航维修中人为差错的发生几率,提高维修生产和适航质量,该文提出了4个层面、18个影响民航维修人为差错的因子.以东航虹桥基地为例,采用了问卷调查收集数据;通过灰狼算法(grey wolf optimization,GWO)结合粒子群算法(particle swarm optimization,PSO)以及增加三种改进策略,提出一种惯性自适应混合灰狼算法(inertial adaptive hybrid grey wolf optimization,IAHGWO);并构建了惯性自适应混合灰狼算法训练径向基函数神经网络(radial basis function neural network,RBFNN)评价模型;结果表明该评价模型具有良好的实用性及准确性,弥补了现阶段民航企业适航质量监管体系对维修人员个体的人为差错管控中针对性、实时性、预见性上的不足.
文献关键词:
适航质量;人为差错;灰狼算法;径向基函数神经网络;粒子群算法;评价模型
中图分类号:
作者姓名:
麻鹰;王瑞
作者机构:
上海大学 通信与信息工程学院,上海 200444
文献出处:
引用格式:
[1]麻鹰;王瑞-.基于灰狼算法的民航维修人为差错评价模型)[J].计算机技术与发展,2022(01):30-34
A类:
适航质量,IAHGWO
B类:
民航维修,人为差错,民航运输业,航空运输,运输量,排班,航空器,诸多方面,机械故障,安全事故,维修过程,民航安全,飞行安全,运行成本,民航业,几率,高维,和适航,东航,虹桥,桥基,调查收集,收集数据,grey,wolf,optimization,粒子群算法,particle,swarm,PSO,改进策略,惯性自适应,混合灰狼算法,inertial,adaptive,hybrid,算法训练,径向基函数神经网络,radial,basis,function,neural,network,RBFNN,民航企业,质量监管体系,维修人员,预见性
AB值:
0.333172
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。