飞行冲突探测与解脱是保障航空运输安全的重要环节,随着空域逐渐开放,空中交通流量增加,将需要更加准确、及时、高效的飞行冲突探测与解脱系统。针对这一问题,利用人工智能中的支持向量机、范例检索与多层正向神经网络的方法,分别从飞行冲突探测与飞行冲突解脱两方面进行研究。针对飞行冲突探测问题,首先提出结合支持向量机与圆柱体飞行保护区的飞行冲突探测模型,该模型结合两飞机的ADS-B数据与飞行趋势模块预测飞机的运动趋势,并利用支持向量机对飞行冲突给出精确的告警。实例分析表示,该模型具有良好的飞行冲突探测能力。提出了结合改进圆柱体保护区与多层神经网络的冲突探测系统,该系统利用改进圆柱体模型将飞机周围空间划分为冲突区与缓冲区,构造数据库存储并处理ADS-B数据,用处理后数据训练多层神经网络,使神经网络具有预测飞行冲突即将发生时间的能力,在给出冲突警告的同时更加精准的提供冲突时间,通过分析其混淆矩阵可以看出,该系统具有良好的冲突时间预测能力。针对飞行冲突解脱问题,首先提出基于范例检索的飞行冲突解脱系统,收集并处理已经发生飞行冲突的ADS-B数据组,结合具体的飞行解脱方法构建数据库,并进一步构建飞行冲突解脱范例库。将新的飞行冲突问题转化为目标范例,通过计算目标范例与飞行冲突解脱范例库中源范例的匹配度,检索出最优范例,并给出相应的解脱方法,将目标范例转化为新的源范例,后与飞行冲突解脱范例库中的源范例进行比较,最终更新范例库。实例分析表明,该方法可以为飞行冲突提供良好的解脱方案。利用多层神经网络对飞行冲突提供解脱方案,利用数据库中信息,训练多层神经网络,当新的飞行冲突发生时,预处理其ADS-B数据组并输入多层神经网络,从而对飞行冲突提供具体的解脱策略。该多层神经网络可以对飞行冲突提出改变飞行速度或升降速度的指令。