传统侦察无人机飞行冲突检测算法运行速度慢、误差率高,无法有效对侦察无人机飞行进行冲突检测.为进一步提高侦察无人机轨迹规划飞行冲突检测效率,提出了基于蒙特卡罗采样的冲突检测算法,使用一组对称的历史飞行数据作为模型的训练集,并使用 SMOTE重采样方法对训练集进行优化.实验结果表明,采用蒙特卡罗采样算法可以极大提高模型的收敛速度,在相同迭代次数下,蒙特卡罗采样算法的冲突概率检测误差最小,最小误差仅为1%,有效提高飞行冲突检测准确率,从而有效保障飞行安全.当两架无人机相距较近时,整个飞行时间内的冲突概率在81%～91%,而当相对距离逐渐增加时,冲突概率呈下降趋势.因此,保持侦察无人机较远的相对距离可以降低轨迹规划冲突概率.
万方数据
维普
