【技术实现步骤摘要】
本专利技术专利属于计算机应用和空中交通控制以及管理领域，涉及到飞行器飞行冲突探测技术，尤其涉及一种基于多层神经网络的飞行冲突探测方法。
技术介绍
1、随着中国低空空域的不断开放，载人/无人、民用/军用等飞行器在低空空域飞行需求逐步增加，而对于空中交通行业来说，安全是可持续发展的基石，并一直得到高度重视。为了显著提高安全性，航空业业界一直在积极主动地识别安全问题，从而提高运营商对新出现的风险的认识。在低交通密度的民用航班飞行中，飞行冲突可以根据飞行计划提前计算，而在高交通密度的低空空域应用中，飞行器灵活性高、飞机数量众多、速度快、航线交织复杂，飞行冲突检测的速度和准确性成为一个具有挑战性的问题。
2、飞行冲突检测算法是飞行冲突探测的核心技术，通过对飞机之间的距离、速度、方向等数据的实时监测和分析，从而发现并预防飞行冲突，保障飞行安全。国内外常见的飞行冲突检测算法主要有：
3、基于目标运动学的算法：该类算法基于飞行器的运动学模型，通过计算飞机的位置、速度、加速度等参数，预测飞行器的3d或4d航迹，通过轨迹交叉情况判断是否存在冲突。
4、基于概率模型的算法：通过支持向量机、遗传算法或其他方法建立概率模型计算飞行器之间的冲突概率，进一步分析和比较各种可能性及阈值范围，判断是否存在冲突。
5、基于几何模型的算法：该类算法将飞行器视为圆柱体、立方体或球体等，通过计算几何模型的运动状态和相互之间的位置关系及其演化趋势，对飞行冲突进行判断。
6、此外，随着人工智能的广泛应用，利用机器学
7、但是，总结国内外研究发现，现有的飞行冲突探测技术主要存在以下缺点：1)对于预测航迹或建立几何模型的确定性的飞行冲突探测方法，在实际情况下，特别是低空空域环境多变，天气、导航定位、飞行员操作等不确定性因素大量存在，将大大影响航迹位置或几何模型变化趋势的计算精度，从而直接影响到冲突探测的准确度。2)通过建立概率模型的飞行冲突探测方法，虽然可以对影响因素进行多方面考虑，但是复杂度高，计算量大，时效性较差，对于低空高密度飞行的综合监控来说并不适合，且在冲突阈值设定和判断时具有主观性，过高的阈值可能导致漏检测，而过低的阈值可能导致误检测。3)利用人工智能技术进行训练学习的飞行冲突探测方法，常常因为基础样本数据量大，导致计算效率慢、复杂度明显提升，给低空危险预警系统带来较大的算力负担。
技术实现思路
1、本专利技术为了解决上述技术问题，提供了一种基于多层神经网络的飞行冲突探测方法，该方法基于历史飞行数据对神经网络进行训练和参数寻优，确保冲突识别精度，同时结合椭球保护区模型，缩短运算时间，为低空运行管理中的飞行安全保障提供了更有效的协助，实现了低空飞行冲突的准确快速预测。
2、本专利技术是通过以下技术方案来实现：
3、一种基于多层神经网络的飞行冲突探测方法，包括以下步骤：
4、1)接收并获取区域内周围低空飞行器上ads-b和北斗设备中的飞行数据信息；并利用ads-b和北斗设备中的报文解码系统解析得到低空飞行器有效的且可读取的三维位置信息以及低空飞行器飞行状态信息；并将解码后的数据信息存储到数据库中，以供后续分析和使用；
5、2)将步骤1)中得到的有效的且可读取的三维位置信息以及低空飞行器飞行状态信息通过坐标变换计算、外推校准转化为同一个时间点上的方便运算的可读取的三维位置信息以及低空飞行器飞行状态信息，然后对低空飞行器之间相对位置和状态特征信息进行提取，得到飞行冲突探测模型特征变量信息；
6、3)采用低空飞行椭球保护区模型，来判断低空飞行器之间飞行冲突发生与不发生，并得到是否发生冲突的判断值conflict，结合步骤2)中低空飞行器之间飞行冲突探测模型特征变量信息和步骤3)中低空飞行器冲突判断值conflict，构建飞行冲突探测训练样本库；
7、4)基于深度学习框架构建具备冲突探测能力的多层神经网络模型，并利用飞行冲突探测训练样本库，选用logistic函数作为隐藏层与输出层的神经元函数，利用梯度下降法与误差反向传播的方法，使用飞行冲突探测训练样本库中是否发生冲突的判断值conflict作为输出变量对多层神经网络进行训练和测试，经过多次的重复迭代训练，待损失值逐渐减少至小于预设值时，完成模型训练，最后得到具备飞行冲突探测能力的多层神经网络模型，将得到的多层神经网络模型用于飞行冲突探测计算。
8、所述的利用ads-b和北斗设备中的报文解码系统解析得到低空飞行器有效的且可读取的三维位置信息以及低空飞行器飞行状态信息具体为：利用ads-b和北斗设备中的报文解码系统解析得到低空飞行器大地坐标系下的初始的且可读取的经度、纬度、高度、航向、速度和航空器识别号；同时报文解码系统会验证接收到的数据是否有效，如果数据错误或不完整，报文解码系统中的解码器将丢弃该数据，如果数据有效，则将解码后的数据存储到数据库中，以供后续分析和使用。
9、所述的有效的且可读取的三维位置信息以及低空飞行器飞行状态信息为大地坐标系下的相关信息，包括经度、纬度、高度、航向、速度和航空器识别号；
10、对所述的初始的有效的且可读取的三维位置信息以及低空飞行器飞行状态信息进行坐标变换计算的方法为：采用高斯克吕格投影算法对获取的大地坐标系下的经、纬度信息及高度信息进行坐标变换；假设ads-b和北斗设备报告的目标的位置是大地坐标系位置(l，b，h)，l为经度，b为纬度，h为高度，采用高斯投影正算公式转换可以得到相应的直角坐标(x，y，z)；
11、步骤2)中，将有效的可读取的三维位置信息以及低空飞行器飞行状态信息进行外推校准的方法为：假设接收到位置报文后的一小段时间内飞行器依然以当前速度和方向飞行，通过线性外推法进行时间同步；具体如下：设t1时刻飞行器的三维坐标位置分别为(xt1,yt1,zt1)，水平方向上的速度为vt1，航向角为θt1，竖直方向上的速度为vzt1，则检测时刻t2的外推位置坐标为：
12、(xt2,yt2,zt2)＝(xt1,yt1,zt1)+(vt1cosθt1,vt1sinθt1,vzt1)*(t2-t1)。
13、所述的低空飞行器之间相对位置和状态特征信息包括：
14、低空飞行器之间的水平方向上的相对方位角、水平方向上的相对距离、水平方向上的相对速度角、水平方向上的相对速度大小、竖直方向上的相对距离、竖直方向上的相对速度大小、相对运动趋势判断因子。
15、对低空飞行器之间相对位置和状态特征信息进行提取，得到飞行冲突探测模型特征变量信息具体为:对低空飞行器之间的水平方向上的相对方位角、水平方向上的相对距离、水平方向上的相对速度角、水平方向上的相对速度大小、竖直方向上的相对距离、竖直方向上的相对速度大小、相对运动趋势判断因子的提取；本文档来自技高网...
【技术保护点】
1.一种基于多层神经网络的飞行冲突探测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多层神经网络的飞行冲突探测方法，其特征在于，所述的利用ADS-B和北斗设备中的报文解码系统解析得到低空飞行器有效的且可读取的三维位置信息以及低空飞行器飞行状态信息具体为：利用ADS-B和北斗设备中的报文解码系统解析得到低空飞行器大地坐标系下的初始的且可读取的经度、纬度、高度、航向、速度和航空器识别号；同时报文解码系统会验证接收到的数据是否有效，如果数据错误或不完整，报文解码系统中的解码器将丢弃该数据，如果数据有效，则将解码后的数据存储到数据库中，以供后续分析和使用。
3.根据权利要求1或2任一项所述的基于多层神经网络的飞行冲突探测方法，其特征在于，所述的有效的且可读取的三维位置信息以及低空飞行器飞行状态信息为大地坐标系下的相关信息，包括经度、纬度、高度、航向、速度和航空器识别号；
4.根据权利要求1所述的基于多层神经网络的飞行冲突探测方法，其特征在于，所述的低空飞行器之间相对位置和状态特征信息包括：
5.根据权利要求1或4任一项所述的
6.根据权利要求1所述的基于多层神经网络的飞行冲突探测方法，其特征在于，步骤3)中，采用低空飞行椭球保护区模型，来判断低空飞行器之间飞行冲突发生与不发生的条件为：当一段时间之后其他飞行器进入目标低空飞行器椭球保护区范围时，则认为发生飞行冲突，即当满足以下条件时，则认为发生飞行冲突，冲突值conflict＝1，否则conflict＝0；
7.根据权利要求6所述的基于多层神经网络的飞行冲突探测方法，其特征在于，所述的飞行冲突探测训练样本库包括以下属性：序号，水平方向上的相对方位角、水平方向上的相对距离、水平方向上的相对速度角、水平方向上的相对速度大小、竖直方向上的相对距离、竖直方向上的相对速度大小、低空飞行器之间相对运动趋势判断因子和经过t时间后的冲突判断值conflict作为标签值。
8.根据权利要求1所述的基于多层神经网络的飞行冲突探测方法，其特征在于，步骤4)中对多层神经网络模型构建和训练的过程包括如下步骤：
...【技术特征摘要】
1.一种基于多层神经网络的飞行冲突探测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多层神经网络的飞行冲突探测方法，其特征在于，所述的利用ads-b和北斗设备中的报文解码系统解析得到低空飞行器有效的且可读取的三维位置信息以及低空飞行器飞行状态信息具体为：利用ads-b和北斗设备中的报文解码系统解析得到低空飞行器大地坐标系下的初始的且可读取的经度、纬度、高度、航向、速度和航空器识别号；同时报文解码系统会验证接收到的数据是否有效，如果数据错误或不完整，报文解码系统中的解码器将丢弃该数据，如果数据有效，则将解码后的数据存储到数据库中，以供后续分析和使用。
3.根据权利要求1或2任一项所述的基于多层神经网络的飞行冲突探测方法，其特征在于，所述的有效的且可读取的三维位置信息以及低空飞行器飞行状态信息为大地坐标系下的相关信息，包括经度、纬度、高度、航向、速度和航空器识别号；
4.根据权利要求1所述的基于多层神经网络的飞行冲突探测方法，其特征在于，所述的低空飞行器之间相对位置和状态特征信息包括：
5.根据权利要求1或4任一项所述的基于多层神经网络的飞行冲突探测方法，其特征在于，对低空飞行器之间相对位置和状态特征信息进行提取，...
【专利技术属性】
技术研发人员：段池，黄凯，
申请(专利权)人：浙江建德通用航空研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。