一种用于神经网络制造技术

技术编号:39755658 阅读:8 留言:0更新日期:2023-12-17 23:54
本发明专利技术涉及一种用于神经网络

【技术实现步骤摘要】
一种用于神经网络RAIM的故障卫星识别方法


[0001]本专利技术涉及一种用于神经网络
RAIM
的故障卫星识别方法,属于卫星故障检测设备


航空电子领域


技术介绍

[0002]接收机自主完好性监测
(Receiver Autonomous Integrity Monitoring

RAIM)
技术是一种为卫星导航用户提供完好性保护的重要手段

该方法在接收机层面建立卫星故障检测机制,具有故障响应时间短,使用成本低的特点

美国国家航空局规定使用
GPS
导航的接收机必须具备
RAIM
功能,现今
RAIM
技术已经广泛应用于卫星导航领域

[0003]随着人工智能技术的发展,神经网络与
RAIM
技术相交叉,相继提出神经网络
RAIM
方法
(
例如,概率神经网络
RAIM(P

RAIM))。P

RAIM
方法以
Bayes
检验理论为基础,针对时序定位数据的随机特征,建立概率神经网络监测框架,并利用人工群体智能寻优方法,提高其检测效率

与传统
RAIM
方法相比,神经网络
RAIM
在检测性能上具有一定优势,而且对冗余卫星数量的依赖程度较小
r/>目前,神经网络
RAIM
的理论框架已基本建立,能够有效检测到定位故障,但无法识别故障卫星

造成此类问题的原因主要是神经网络
RAIM
的理论基础与传统
RAIM
不同,导致传统故障卫星识别技术无法在该类方法中复用

为了完善概率神经网络
RAIM
的检测功能,推动该方法工程化应用,有必要研发一种用于神经网络
RAIM
的故障卫星识别方法,使之具备识别故障的功能


技术实现思路

[0004]本专利技术的技术解决问题是:克服现有技术的不足,提出一种用于神经网络
RAIM
的故障卫星识别方法,该方法将解决神经网络
RAIM(
仅能够检测到可见卫星中存在故障的
RAIM
方法
)
无法识别故障卫星的技术问题,完善此类
RAIM
方法的检测功能,助力神经网络
RAIM
技术产业化推广

[0005]本专利技术的技术解决方案是:
[0006]一种用于神经网络
RAIM
的故障卫星识别方法,该方法的应用环境为具有不小于5颗的可见卫星,该方法的步骤包括:
[0007]步骤1,获取接收机采集的星历数据,并对采集到的星历数据进行解算,得到可见卫星数量
n
及各可见卫星的位置坐标信息,当得到的可见卫星数量
n
不小于5时,进入步骤2,当得到的可见卫星数量
n
小于5时,结束,不能完成故障卫星识别;得到的
n
颗可见卫星及各可见卫星的位置坐标信息形成定位解全集,用符号
A
all
表示,得到的
n
颗可见卫星表示为
a1、a2、

、a
n

[0008]步骤2,根据步骤1形成的定位解全集建立神经网络
RAIM
模型,并利用建立的神经网络
RAIM
模型对全集定位解进行检测,得到全集定位解检测结果;
[0009]步骤3,根据步骤2得到的全集定位解检测结果判断定位解全集中是否有可见卫星存在故障,如果不存在,结束故障卫星识别;如果存在,建立定位解子集,定位解子集是指将
定位解全集中去除可见卫星
a
i
后剩余的可见卫星构成的集合,用符号
S
i
表示,
S
i
∈A
all

i

1,2,3


n
,共形成
n
个定位解子集,并根据
n
个定位解子集建立
B
s
矩阵;
[0010]步骤4,利用步骤2建立的神经网络
RAIM
模型对步骤3中得到的
n
个子集定位解进行检测,得到
n
个子集定位解检测结果;
[0011]步骤5,根据步骤4得到的
n
个子集定位解检测结果建立判别向量
R
s
,当第
i
个子集定位解检测结果为故障时,将判别向量
R
s
中的第
i
个元素标记为1,当第
i
个子集定位解检测结果为不故障时,将判别向量
R
s
中的第
i
个元素标记为0;
[0012]步骤6,利用已建立的判别向量
R
s
、B
s
矩阵求解识别向量
F
s
,根据识别向量
F
s
的元素值判别所对应可见卫星的故障状态,最终获得故障卫星,当获得的故障卫星数量为1时,则完成故障卫星识别,当获得的故障卫星数量大于1时,则建立双故障子集,双故障子集是指将定位解全集中去除任意两颗可见卫星后剩余的可见卫星构成的集合,用符号
M
k
表示,共形成个双故障子集,并根据个双故障子集建立
B
m
矩阵;
[0013]步骤7,利用步骤2建立的神经网络
RAIM
模型对步骤6中得到的个双故障子集定位解进行检测,得到个双故障子集定位解检测结果;
[0014]步骤8,根据步骤7得到的个双故障子集定位解检测结果建立判别向量
R
m
,当第
k
个双故障子集定位解检测结果为故障时,将判别向量
R
m
中的第
k
个元素标记为1,当第
k
个双故障子集定位解检测结果为不故障时,将判别向量
R
m
中的第
k
个元素标记为0;
[0015]步骤9,利用已建立的判别向量
R
m
、B
m
矩阵求解识别向量
F
m
,根据识别向量
F
m
的元素值判别所对应可见卫星的故障状态,最终获得故障卫星

[0016]所述步骤3中,
B
s
矩阵为:
[0017][00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于神经网络
RAIM
的故障卫星识别方法,其特征在于该方法的步骤包括:步骤1,获取接收机采集的星历数据,并对采集到的星历数据进行解算,得到可见卫星数量
n
及各可见卫星的位置坐标信息,当得到的可见卫星数量
n
不小于5时,进入步骤2,当得到的可见卫星数量
n
小于5时,结束,不能完成故障卫星识别;得到的
n
颗可见卫星及各可见卫星的位置坐标信息形成定位解全集,用符号
A
all
表示,得到的
n
颗可见卫星表示为
a1、a2、

、a
n
;步骤2,根据步骤1形成的定位解全集建立神经网络
RAIM
模型,并利用建立的神经网络
RAIM
模型对全集定位解进行检测,得到全集定位解检测结果;步骤3,根据步骤2得到的全集定位解检测结果判断定位解全集中是否有可见卫星存在故障,如果不存在,结束故障卫星识别;如果存在,建立定位解子集,定位解子集是指将定位解全集中去除可见卫星
a
i
后剩余的可见卫星构成的集合,用符号
S
i
表示,
S
i
∈A
all

i

1,2,3


n
,共形成
n
个定位解子集,并根据
n
个定位解子集建立
B
s
矩阵;步骤4,利用步骤2建立的神经网络
RAIM
模型对步骤3中得到的
n
个子集定位解进行检测,得到
n
个子集定位解检测结果;步骤5,根据步骤4得到的
n
个子集定位解检测结果建立判别向量
R
s
,当第
i
个子集定位解检测结果为故障时,将判别向量
R
s
中的第
i
个元素标记为1,当第
i
个子集定位解检测结果为不故障时,将判别向量
R
s
中的第
i
个元素标记为0;步骤6,利用已建立的判别向量
R
s
、B
s
矩阵求解识别向量
F
s
,根据识别向量
F
s
的元素值判别所对应可见卫星的故障状态,最终获得故障卫星,当获得的故障卫星数量为1时,则完成故障卫星识别,当获得的故障卫星数量大于1时,则建立双故障子集,双故障子集是指将定位解全集中去除任意两颗可见卫星后剩余的可见卫星构成的集合,用符号
M
k
表示,
M
k
∈A
all
,共形成个双故障子集,并根据个双故障子集建立
B
m
矩阵;步骤7,利用步骤2建立的神经网络
RAIM
模型对步骤6中得到的个双故障子集定位解进行检测,得到个双故障子集定位解检测结果;步骤8,根据步骤7得到的个双故障子集定位解检测结果建立判别向量
R
m
,当第
k
个双故障子集定位解检测结果为故障时,将判别向量
R
...

【专利技术属性】
技术研发人员:许承东黄国限钟贤发武明孙睿
申请(专利权)人:北京理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1