[发明专利]一种基于神经网络的卫星小站故障判断方法

权利要求书

1.一种基于神经网络的卫星小站故障判断方法，其特征在于，该方法包括以下的步骤：

S10、参数初始化，建立由输入层、隐含层和输出层所组成的三层径向基神经网络故障判断模型，将神经网络初始化；

S20、采用实例样本对神经网络进行训练，并用另外的样本进行实例校验，样本作用于输入层，并由输入层输入到隐含层，实现隐含层的结果输出；所述输入层的每一个输入节点对应样本的一个特征；

S30、所述隐含层各单元的输出输入到输出层，实现输出层的结果输出；所述输出层的输出节点等于对应安全级别；

S40、检查输出层各单元的输出误差，并按此误差进行权值修正，判断误差是否小于规定值，当误差小于规定值，则输出响应的故障结果，当误差不小于规定值，则返回至步骤S20；

当校验样本的安全级别与实际相符，则说明网络训练成功。

2.根据权利要求1所述的一种基于神经网络的卫星小站故障判断方法，其特征在于，步骤S10中，三层径向基神经网络故障判断模型是根据对卫星小站原始数据分析和整理，并结合卫星小站的指标体系建立的。

3.根据权利要求1所述的一种基于神经网络的卫星小站故障判断方法，其特征在于，步骤S20中，所述输入层的输入节点对应的样本特征包括：卫星小站抖动、延迟、吞吐量、丢包率、单个载波的C/N动态范围、最低效率、波束号、终端天线尺寸、信息速率、符号速率、调制方式、带宽、余量、效率、功放以及故障系统图绘制。

4.根据权利要求1所述的一种基于神经网络的卫星小站故障判断方法，其特征在于，步骤S30中，所述隐含层的隐含层节点数目为一个。

5.根据权利要求1所述的一种基于神经网络的卫星小站故障判断方法，其特征在于，步骤S30中，所述输出层的每个输出节点对应于一个安全级别。

6.根据权利要求5所述的一种基于神经网络的卫星小站故障判断方法，其特征在于，所述输出层的节点为八个，分别对应的安全级别为正常在线、离线、警告、激活、未激活、配置未同步、配置完成未入网、配置同步且入网。

7.根据权利要求1所述的一种基于神经网络的卫星小站故障判断方法，其特征在于，步骤S20中，对神经网络进行训练是算法采用误差反向传播算法，包括以下的步骤：

S201、正向传播过程，输入信号从输入层经隐含层，传向输出层，在输出端产生输出信号，在信号传递过程中，网络的权值是固定不变的，每一层神经元的状态只影响下一层神经元的状态，如在输出层无法得到期望的输出，则进入下一步骤；

S202、误差信号的反向传播，输出层的实际输出与期望输出之间的差值即为误差，误差信号由输出端开始逐层向前传播，在传播过程中，网络的权值由误差反馈进行调节，通过权值不断修正，使实际输出更接近于期望输出。