一种基于概率神经网络的监测系统及其平滑参数优化方法技术方案

本发明专利技术涉及一种基于概率神经网络的监测系统及其平滑参数优化方法，属于人工智能以及卫星导航技术领域。所述监测系统包括输入层、模式层、求和层、比较层以及输出层模块；所述参数优化方法包括：1)初始化参数；2)初始化粒子速度和位置；3)更新粒子速度和位置；4)计算粒子适应度；5)更新粒子的历史最优值；6)更新粒子的全局最优值；7)判断是否满足监测系统要求，若为真跳至10)；否则跳至8)；8)判断全部粒子是否处理完毕，若是跳至9)，否则跳至4)；9)判断是否到达最大迭代次数，若是跳至10)，否则跳至3)；10)输出粒子的适应度函数。本发明专利技术垂直方向最小可检测故障可控制在35m；可有效控制漏检率和误警率。

A Monitoring System Based on Probabilistic Neural Network and Its Smoothing Parameter Optimization Method

The invention relates to a monitoring system based on probabilistic neural network and a smoothing parameter optimization method thereof, belonging to the field of artificial intelligence and satellite navigation technology. The monitoring system includes input layer, mode layer, summation layer, comparison layer and output layer modules. The parameter optimization methods include: 1) initialization parameters; 2) initialization of particle velocity and position; 3) updating particle velocity and position; 4) calculating particle fitness; 5) updating particle historical optimum value; 6) updating particle global optimum value; 7) judging whether it meets the requirements of the monitoring system; If it is true jump to 10; otherwise jump to 8); 8) judge whether all the particles have been processed, if jump to 9, or jump to 4); 9) judge whether the maximum number of iterations is reached, if jump to 10, or jump to 3); 10) the fitness function of the output particles. The minimum detectable fault in the vertical direction of the invention can be controlled at 35 meters, and the missed detection rate and the false alarm rate can be effectively controlled.

【技术实现步骤摘要】
一种基于概率神经网络的监测系统及其平滑参数优化方法
本专利技术涉及一种基于概率神经网络的监测系统及其平滑参数优化方法，属于人工智能以及卫星导航

技术介绍
当使用卫星导航系统进行定位时，必须评估接收数据的完好性，以确保定位结果的可靠性。接收机自主完好性监测(RAIM)是一种卫星完好性检查方法，由接收机独立执行，为用户提供实时保护。当卫星导航系统出现故障或无法提供必要的定位精度时，RAIM会及时提醒用户，以免发生意外。根据卫星故障引起的伪距误差可能导致定位有误的特点，基于假设检验的传统RAIM利用测量的噪声和误警概率来检测卫星故障，其中以最小二乘残差法、奇偶矢量法和多风险假设解集分离(MHSS)法最具有代表性。但是这三种方法的监测精度低，仅能够在远洋段(定位误差小于200m)使用。从2012年至2016年，由美国联邦航空管理局(FAA)和欧洲航天局(ESA)组成的研究小组开发了高级RAIM算法，该算法有可能满足LPV-200(飞行器在垂直方向距地面200英尺高度的导航性能)级别的导航需求。但该方法只在多星座联合定位的情况下，才能够满足LPV-200的导航性能需求，而且其全球范围本文档来自技高网...

【技术保护点】
1.概率神经网络监测系统，其特征在于：包括输入层模块、模式层模块、求和层模块、比较层模块和输出层模块；其中，除输出层模块外，输入层模块、模式层模块、求和层模块、比较层模块都是单向传输；其中，输入层模块包括输入层X轴子模块，输入层Y轴子模块和输入层Z轴子模块；模式层模块包括模式层X轴子模块、模式层Y轴子模块和模式层Z轴子模块；求和层模块包括求和层X轴子模块、求和层Y轴子模块和求和层Z轴子模块；所述监测系统中各模块的连接关系如下：输入层模块与模式层模块连接；模式层模块与求和层模块连接；求和层模块与比较层模块连接；比较层模块与输出层模块连接；所述监测系统中各模块的功能是：输入层模块的功能是用于计算接...

【技术特征摘要】
1.概率神经网络监测系统，其特征在于：包括输入层模块、模式层模块、求和层模块、比较层模块和输出层模块；其中，除输出层模块外，输入层模块、模式层模块、求和层模块、比较层模块都是单向传输；其中，输入层模块包括输入层X轴子模块，输入层Y轴子模块和输入层Z轴子模块；模式层模块包括模式层X轴子模块、模式层Y轴子模块和模式层Z轴子模块；求和层模块包括求和层X轴子模块、求和层Y轴子模块和求和层Z轴子模块；所述监测系统中各模块的连接关系如下：输入层模块与模式层模块连接；模式层模块与求和层模块连接；求和层模块与比较层模块连接；比较层模块与输出层模块连接；所述监测系统中各模块的功能是：输入层模块的功能是用于计算接收器收集的一组位置数据的标准偏差；模式层模块的功能是用于计算激活函数的值；求和层模块功能是计算输入数据属于故障类的平均概率和属于无故障类的平均概率；比较层模块的功能是对来自求和层三个轴的故障概率进行比较计算；输出层模块的功能是将比较层中X轴、Y轴和Z轴三轴输出值做布尔运算，并给出最终检测结果；其中，输入层模块计算公式如下(1)、(2)和(3)所示：其中，xi，yi和zi分别表示X轴、Y轴和Z轴的第i个输入量，X2表示向模式层X轴子模块输入的数据，Y2表示向模式层Y轴子模块输入的数据，Z2表示向模式层Z轴子模块输入的数据，n表示子模块中神经元的数量，X轴、Y轴和Z轴子模块的神经元数量相等；求和层输出的数据用高斯函数表示如下(4)、(5)、(6)、(7)、(8)和(9)所示：其中，X31、Y31、Z31分别表示向求和层X轴、Y轴、Z轴子模块中无故障节点输出的数据，X32、Y32、Z32表示向求和层X轴、Y轴、Z轴子模块中故障节点输出的数据，LXi、LYi和LZi代表无故障情况的第i个训练样本，LXFi、LYFi和LZFi代表有故障情况的第i个训练样本，s表示无故障样本数量，w表示故障样本数量，LXi、LYi、LZi、LXFi、LYFi和LZFi可由下式(10)、(11)、(12)、(13)、(14)和(15)计算得出；式中σx、σy和σz分别表示X轴、Y轴和Z轴中卫星定位误差分布的标准差，k表示膨胀系数，d表示样本抽样数量，Cm表示修正系数，模式层中的神经元数量等于训练样本的总数量；求和层模块的操作可由下式(16)、(17)、(18)、(19)、(20)和(21)计算得出：fx1＝X31/s(16)fx2＝X32/w(17)fy1＝Y31/s(18)fy2＝Y32/w(19)fz1＝Z31/s(20)fz2＝Z32/w(21)其中，fx1、fy1和fz1分别表示X轴、Y轴和Z轴定位值无故障的概率，fx2、fy2和fz2分别表示X轴、Y轴和Z轴定位值有故障的概率，求和层中的神经元数量为6；比较层模块的操作通过式(22)、(23)和(22)实现：式中X4，Y4，Z4分别表示向输出层输入的数据，比较层神经元的数量为3；输出层模块的操作是将比较层中X轴、Y轴和Z轴三轴输出值做布尔运算，运算方法如下式(25)...

【专利技术属性】
技术研发人员：许承东，郑学恩，彭雅奇，牛飞，赵靖，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11