[发明专利]一种基于神经网络的卫星接收机健康管理方法

权利要求书

1.一种基于神经网络的卫星接收机健康管理方法，其特征在于，所述方法包括：

S10、采集卫星接收机在正常工况下的试验数据和未知工况下的试验数据；

S20、对正常工况下的试验数据、未知工况下的试验数据和自组织映射神经网格模型中每个神经元的权重向量进行归一化处理，将归一化处理后的正常工况下的试验数据作为正常训练样本集，将归一化处理后的未知工况下的试验数据作为测试样本集；

S30、对自组织映射神经网格模型中每个神经元进行初始化，并建立自组织映射神经网格模型；

S40、利用正常训练样本集对自组织映射神经网格模型进行训练，得到训练好的自组织映射神经网格模型；

S50、将测试样本集导入训练好的自组织映射神经网格模型，并获取测试样本集中每个测试样本与对应的最佳匹配神经元之间的欧式距离；

S60、根据每个测试样本与对应的最佳匹配神经元之间的欧式距离、正常训练样本集训练出来的最小欧式距离平均值和正常训练样本集训练出来的最小欧式距离标准差获取每个测试样本的异常指标量；

S70、在测试样本的异常指标量大于零的情况下，根据每个大于零的异常指标量和尺度参数得到对应的测试样本的健康度；

S80、根据所有异常指标量大于零的测试样本的健康度获取卫星接收机的健康状态。

2.根据权利要求1所述的方法，其特征在于，通过下式获取每个测试样本的异常指标量：

H＝|MQE_T-MQE_ave|-3δ；

式中，H表示当前测试样本的异常指标量，MQE_T表示当前测试样本与对应的最佳匹配神经元之间的欧式距离，MQE_ave表示正常训练样本集训练出来的最小欧式距离平均值，δ表示正常训练样本集训练出来的最小欧式距离标准差。

3.根据权利要求2所述的方法，其特征在于，通过下式获取每个测试样本与对应的最佳匹配神经元之间的欧式距离：

式中，x_i表示第i个测试样本，x_BMU表示与第i个测试样本对应的最佳匹配神经元。

4.根据权利要求2所述的方法，其特征在于，通过下式获取正常训练样本集训练出来的最小欧式距离标准差：

式中，N_h表示正常训练样本集中样本向量的数量，MQE_i表示正常训练样本集中第i个样本向量与对应的最佳匹配神经元之间的欧式距离。

5.根据权利要求2至4中任一项所述的方法，其特征在于，通过下式获取每个测试样本的健康度：

式中，D表示当前测试样本的健康度，c表示尺度参数。

6.根据权利要求5所述的方法，其特征在于，通过下式获取尺度参数：

式中，N_h表示正常训练样本集中样本向量的数量，MQE_i表示正常训练样本集中第i个样本向量与对应的最佳匹配神经元之间的欧式距离。

7.根据权利要求1所述的方法，其特征在于，S40、利用正常训练样本集对自组织映射神经网格模型进行训练，得到训练好的自组织映射神经网格模型包括：

S41、从正常训练样本集中选取任一个样本向量，将当前选取的样本向量导入自组织映射神经网格模型；

S42、计算自组织映射神经网格模型中每个神经元的权重向量与当前选取的样本向量之间的欧式距离，将最小欧式距离作为优胜领域半径，并将最小欧式距离对应的神经元作为最佳匹配神经元；

S43、判断优胜领域半径是否等于0，若是，得到训练好的自组织映射神经网格模型，否则，转至S44；

S44、对最佳匹配神经元的权值向量和与最佳匹配神经元相邻的神经元的权值向量进行更新；

S45、从正常训练样本集的剩余样本向量中选取任一个样本向量，将当前选取的样本向量导入自组织映射神经网格模型，并转至S42。