基于改进GoogLeNet的飞机尾流快速识别

摘要：

为了识别繁忙近地空域中的飞机尾流,提高空中交通管制的智能化水平,结合激光雷达特性和尾流演化特点,通过改进GoogLeNet网络和组合残差结构,提出了一种针对尾流快速识别的卷积神经网络模型.在双流的进离场区域使用多普勒激光雷达对风场进行采样,得到目标区域的径向速度场;所采集的数据预处理后输入到模型分别进行训练、验证、测试.结果表明,相比于AlexNet、GoogLeNet模型,所提出卷积神经网络模型以0.45 M的低参数量在飞机尾流的识别准确度达到98.44％,在实验平台上的检测速度达到160 Fps/s.该模型可在复杂的环境下,快速准确地识别飞机尾涡.

关键词：尾流识别、GoogLeNet卷积神经网络、目标识别、多普勒激光雷达、可视化

所属期刊栏目：43

分类号：V19;TB872(航空、航天的应用)

资助基金：国家自然科学基金;中国民航局安全能力建设计划

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：38-44