10.3963/j.issn.1674-4861.2019.03.004
基于概率神经网络的通用航空器冲突探测方法
针对当前冲突探测技术难以同时实现精准识别与实时识别的问题,研究基于概率神经网络(PNN)的通用航空器冲突探测方法.将冲突探测视为模式识别问题,通过冲突模型分析,提出了航空器"冲突角"概念,改进了现有冲突识别方法采用的关键特征指标,将原有的4个关键特征指标提炼为3个指标,分别为航空器相对距离、相对速度以及冲突角,以此构造概率神经网络,训练形成神经网络分类器.结果表明,基于3关键特征的概率PNN冲突分类器分类误警率和漏警率保持在1%左右,在冲突误警率上优于基于4特征的SVM冲突分类器的6%,提高了航空器冲突探测的准确度;分类所耗时间始终保持在1.2 s左右,远低于Monte Carlo仿真方法的同时,较4特征分类器也降低了0.2 s左右,提高了冲突识别效率.
航空安全、通用航空、冲突探测、神经网络、模式识别
37
U8(航空运输)
国家自然科学基金面上项目61573181;南京航空航天大学研究生创新基地开放基金项目kfjj20180704
2019-08-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
28-34