一种基于Spiking神经网络的飞机冲突检测方法技术

本发明专利技术公开了一种基于Spiking神经网络的飞机冲突检测方法，涉及模式识别，模式处理，机器学习，神经网络等领域，具体涉及基于Spiking神经网络的多脉冲误差反传学习算法——利用生物信息传递原理拟合非线性离散数据集，解决现有飞行航迹拟合预测方法的难点。本发明专利技术首先为对历史航迹数据进行分析，建立Spiking神经网络模型；再运用学习算法对建立好的Spiking神经网络模型进行训练；最后利用训练后的Spiking神经网络模型进行航迹预测并进行冲突判断。本发明专利技术应用于飞行监控、进行冲突判断。

【技术实现步骤摘要】

一种基于Spiking神经网络的飞机冲突检测方法，应用于飞行监控、进行冲突判断，涉及模式识别，模式处理，机器学习，神经网络等领域，具体涉及基于Spiking神经网络的多脉冲误差反向传播学习算法——利用生物信息传递原理拟合非线性离散数据集。
技术介绍
近些年来，随着民用航空事业的蓬勃发展和部队飞行训练任务的逐步加重，国内飞机的数目与日俱增，空域内航线日益密集，飞行器流量日益加大，又由于飞机只能在平流层平稳飞行，使得飞机可飞行空间是一个相对有限的空间，这就造成了空域变得越来越拥挤，拥挤意味着冲突。无论是航线设定过密，飞机本身故障或是风力等环境因素，都可能造成飞机发生碰撞冲突。由于飞机运输的特殊性，一旦飞机在空中发生冲突，就很难办证乘客人身及财产安全。同时，如不能有效地疏通这种拥挤，也会降低空域资源的利用率，极大地阻碍国家航空事业的发展。因此，能够提前预知冲突的发生，并及早地采取有效的防范措施就显得尤为重要。认识到飞机运输的特殊性及飞行过程中发生冲突事件的严重性，就必须本文档来自技高网...

【技术保护点】
一种基于Spiking神经网络的飞机冲突检测方法，其特征在于，如下步骤：(1)对历史航迹数据进行分析，建立Spiking神经网络模型；(2)运用学习算法对建立好的Spiking神经网络模型进行训练；(3)利用训练后的Spiking神经网络模型进行航迹预测并进行冲突判断。

【技术特征摘要】
1.一种基于Spiking神经网络的飞机冲突检测方法，其特征在于，如下步骤：
(1)对历史航迹数据进行分析，建立Spiking神经网络模型；
(2)运用学习算法对建立好的Spiking神经网络模型进行训练；
(3)利用训练后的Spiking神经网络模型进行航迹预测并进行冲突判断。
2.根据权利要求1所述的一种基于Spiking神经网络的飞机冲突检测方法，
其特征在于，所述步骤(1)中，Spiking神经网络模型的建立过程如下：
(11)对历史航迹数据进行分析，建立“输入层—隐藏层—输出层”模式的
3层Spiking神经网络结构；
(12)根据Spiking神经网络结构和历史航迹数据的数据结构，设定一个具
有44个向量的向量组作为输入向量，并将向量组中每一个向量一一映射到
Spiking神经网络结构中的输入层的输入神经元中；
(13)根据历史航迹数据的数据结构，设定一个具有3个向量的向量组作为
输出向量，并将向量组中每一个向量一一映射到Spiking神经网络结构中的输出
层的输出神经元中；
(14)根据输入层神经元和输出层神经元个数以及航迹预测的精度要求，设
定隐藏层的神经元，并采用具有多突触结构的Spiking神经网络。
3.根据权利要求1所述的一种基于Spiking神经网络的飞机冲突检测方法，
其特征在于，所述步骤(2)中，运用学习算法对建立好的Spiking神经网络模
型进行训练的具体步骤如下：
(21)从历史航迹数据中抽取一定量的数据作为训练数据，并将训练数据组织
成输入向量组的形式；
(22)对输入向量组的每一个向量，将其每一维数据进行均一化处理；
(23)将均一化后的数据，经过编码转化为神经元点火时间脉冲序列；<...

【专利技术属性】
技术研发人员：屈鸿，杨雪松，潘婷，解修蕊，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51