[发明专利]一种基于神经网络的卫星接收机健康管理方法

说明书

本发明提供了一种基于神经网络的卫星接收机健康管理方法，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；S30、建立自组织映射神经网格模型；S40、得到训练好的自组织映射神经网格模型；S50、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、获取每个测试样本的异常指标量；S70、得到测试样本的健康度；S80、获取卫星接收机的健康状态。本发明能够解决传统的故障诊断、维修保障技术无法快速、准确地实现对卫星接收机长时间运行状态的健康状况监测的技术问题。

技术领域

本发明涉及卫星导航健康管理技术领域，尤其涉及一种基于神经网络的卫星接收机健康管理方法。

背景技术

全球卫星导航系统(GNSS)是基于卫星的导航定位系统，可为用户提供高精度的定位、测速和授时数据，具有全天候、覆盖性广和无累计误差等优势，在军事和民用领域有着广泛的应用市场，但是其精度易受干扰，例如多径效应、天线遮挡、电磁干扰等。卫星导航、定位是现代武器装备、民用航空领域等高效运行的基础，目前亟需解决卫星导航系统的性能不能满足武器装备、民用航空器长时间运行的需求问题。

随着科学技术的飞速发展，武器装备的集成度、复杂度及智能化程度急剧增加，传统的故障诊断、维修保障技术无法快速、准确地实现对卫星接收机长时间运行状态的健康状况监测。

发明内容

本发明提供了一种基于神经网络的卫星接收机健康管理方法，能够解决传统的故障诊断、维修保障技术无法快速、准确地实现对卫星接收机长时间运行状态的健康状况监测的技术问题。

根据本发明的一方面，提供了一种基于神经网络的卫星接收机健康管理方法，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。

优选的，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。

优选的，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：