[发明专利]一种采用神经网络的遥测数据处理方法

权利要求书

1.一种采用神经网络的遥测数据处理方法，其特征在于，包括如下处理步骤：

1)神经网络设计，构建初始网络；

2)神经网络训练，利用训练样本学习、生成用于数据映射的网络；

3)网络有效性验证，由验证样本对网络的有效性进行验证；

4)神经网络数据处理，网络接收遥测数据，进行数据处理，输出结果；

5)数据处理结果评估，对数据处理的准确性进行评估；

6)数据处理结果显示，在测发控软件上显示评估结果、数据处理结果。

2.如权利要求1所述的遥测数据处理方法，其特征在于，所述步骤1还包括如下具体步骤：

11)所述神经网络的类型为BP前向型神经网络；

12)所述神经网络的结构为三层结构，分别为输入层、隐含层、输出层；

13)设置所述神经网络三层各层的变量和参量包括：输入向量、权值向量、实际输出向量、期望输出向量、学习速率、迭代次数，并初始化，赋给各变量和参量各一个较小的随机非零值；

14)设计神经网络各层传递函数，其中，输入层传递函数采用S型正切函数tansig，隐含层传递函数采用S型对数函数logsig，输出层传递函数采用S型对数函数logsig；

15)设计神经网络学习算法，网络学习函数采用梯度下降动量算法learngdm。

3.如权利要求1所述的遥测数据处理方法，其特征在于，所述步骤2还包括如下具体步骤：

21)将训练输入样本赋值给输入向量，按照步骤1中所述的传递函数，计算每层输出，最后获得实际输出向量；

22)将训练输出样本赋值给输出向量，作为所述神经网络期望输出向量，与上一步求得的实际输出向量计算误差，判断是否满足误差要求，若满足则转至步骤24，不满足则转至下一步；

23)判断迭代次数+1是否达到设定迭代次数，若达到则转至步骤24，没达到，则按照所述的神经网络学习算法，修正权值向量，迭代次数+1，转至步骤21；

24)判断是否学习完所有训练样本数据，是则结束，否则转至步骤21。

4.如权利要求1所述的遥测数据处理方法，其特征在于，所述步骤3还包括如下具体步骤：

31)将验证输入样本输入网络，网络映射输出结果向量；

32)将输出结果反处理，还原为物理量，并送测发控软件；

33)将物理量与对应样本数据的校验值向量进行偏差计算；

34)判断偏差是否在传感器精度范围内，是则表明网络有效，否则无效；

35)在测发控软件上显示网络处理结果和网络有效性验证结果。

5.如权利要求1所述的遥测数据处理方法，其特征在于，所述步骤4还包括如下具体步骤：

41)传感器感应遥测参数，转换后输出电压值；

42)采集器采集电压值，获得原始输入数据；

43)输入处理对原始输入数据、引入参数进行处理，获得神经网络的输入；

44)神经网络对输入进行映射，获得映射结果；

45)输出反处理将映射结果还原为物理量；

46)测发控软件显示结果。

6.如权利要求1所述的遥测数据处理方法，其特征在于，所述步骤5还包括如下具体步骤：

51)如需数据处理准确性评估，则转至步骤52，否则直接转至步骤6；

52)用标校仪器同步获取遥测参数校验值；

53)将神经网络获得的物理量与校验值向量进行偏差计算；

54)判断偏差是否在遥测参数精度范围内，是则表明数据处理满足要求；

55)输出评估结果给测发控软件显示。

7.如权利要求3所述的数据处理方法，其特征在于，测试数据的获取方法为传感器感应物理量，采集器测量、采集传感器输出电压值，标校仪器获得物理量的方法；温度、湿度、大气压、传感器输入电压的测量方式，测量点的选取，测试数据的记录，按照不同种类的传感器标准规范操作，直接采用原始记录数据。