CN108287958B - 人工智能程序员书写数字飞行器源代码有限选择决策方法 - Google Patents

Abstract

本发明公开了一种人工智能程序员书写数字飞行器源代码有限选择决策方法，包括：根据决策目标获取执行对象和决策树；根据输入对象和所述决策树对所述执行对象进行筛选，获取可行执行对象集；根据决策目标找到该目标下描述执行对象的特征参数及相应计算方法，针对步骤二中的可行执行对象集，计算每个执行对象的特征参数；对所述决策目标下的特征参数进行评分；计算综合评分；根据选择的最优执行对象书写源代码。本发明本发明克服现有技术的不足，使用人工智能程序员替代人进行数字飞行器源代码书写，在有限选择的解决方案中进行自主决策，提高了编写效率，降低了飞行器仿真成本。

Description

人工智能程序员书写数字飞行器源代码有限选择决策方法

技术领域

本发明涉及一种源代码智能书写技术领域，更具体的说是涉及一种人工智能程序员书写数字飞行器源代码有限选择决策方法。

背景技术

目前工程设计、研发、测试过程中利用数字世界进行仿真验证的比例大大提升，飞行器实物测试成本高，数字飞行器的作用更加明显。数字仿真的有效性取决于数字飞行器和环境模型的精度，为了达到与真实一致的仿真结果，数字飞行器的设计精度需要达到部件级，环境包括了机电热光磁多方面因素的耦合，这就造成了数字飞行器开发工作量大，并且整个系统的耦合关系复杂，修改难度高。因此提出了利用人工智能程序员技术，模拟人写程序过程中的决策过程，由计算机完成数字飞行器源代码的智能书写。

因此，如何提供飞行器开发工作量小，简化系统耦合关系的人工智能程序员书写数字飞行器源代码有限选择决策方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种人工智能程序员书写数字飞行器源代码有限选择决策方法，本发明克服现有技术的不足，使用人工智能程序员替代人进行数字飞行器源代码书写，对书写过程中遇到的工程数、文件数、变量类型等的选择，飞行器模型中模块的选择等问题，可以划定选择范围，在有限选择的执行对象中进行自主决策，提高了编写效率，降低了飞行器仿真成本。

为了实现上述目的，本发明采用如下技术方案：

一种人工智能程序员书写数字飞行器源代码有限选择决策方法，包括以下步骤：

步骤一，根据决策目标获取执行对象和决策树；

步骤二，根据输入对象和所述决策树对所述执行对象进行筛选，获取可行执行对象集；

步骤三，根据决策目标找到该目标下描述执行对象的特征参数及相应计算方法，针对步骤二中的可执行执行对象集，计算每个执行对象的特征参数；

步骤四，对所述决策目标下的执行对象的特征参数进行评分；

步骤五，计算综合评分，得到最优执行对象；

步骤六，根据选择的最优执行对象书写源代码。

优选的，所述决策目标包括通用性选择决策和应用层选择决策；

其中，所述通用性选择决策包括：仿真平台与工程选择、变量类型选择、变量定义位置和方式选择、数组和列表的选择、循环方式选择；

所述应用层选择决策为在指定的飞行器结构和参数的基础上决策仿真执行对象。

优选的，所述步骤二具体包括：

构建有限选择评估体系，包括仿真粒度和仿真平台；

根据有限选择评估体系获取可行执行对象集，具体包括，

根据平台仿真时间和占用资源情况对仿真粒度进行决策；

根据平台仿真时间和占用资源情况判断是否有真实部件接入的需求，对仿真平台进行决策；

选择符合仿真粒度要求和仿真平台要求的执行对象，构成可行执行对象集。

优选的，所述步骤三中的特征参数包括仿真精度、仿真时间和资源占用；

仿真精度的衡量标准包括仿真粒度、仿真误差、计算结果精度；其中仿真粒度包括航天器整体级别、子系统级别、部件级别以及部件组件级别；仿真误差包括针对各仿真粒度的原理模型和误差模型；计算结果精度是指结果参数的最小分辨率；

仿真时间是指完成单个仿真周期计算所实际花费的时间；

资源占用的衡量标准包括仿真平台资源、存储资源和计算资源；其中仿

真平台资源指占用仿真计算机或仿真板卡的个数；存储资源指全局变量

占用的固定内存空间、临时变量占用的堆空间和栈空间；计算资源指算

法的复杂程度，即算法的占用空间；

举例说明：仿真周期t＝T*n/m；

其中，T为一个飞行器实体在对应平台下步进0.1s所消耗的仿真时间，n为该平台下仿真的飞行器实体个数，m为仿真平台个数；

资源占用O表示使用的仿真硬件资源数量，取仿真平台个数m为衡量标准

例如输入“部件级”、“非实时模式”。

假设对2个实体进行仿真，每个实体包含15类部件。在计算机上运行步

进0.1s所消耗的仿真时间为0.01s，嵌入式上消耗0.06s。则

t_单机＝0.01s*2/1＝0.02s O_单机＝1

t_分布式＝0.01s*2/2＝0.01s O_分布式＝2

t_嵌入式＝0.06s*2/30＝0.004s O_嵌入式＝40。

优选的，所述步骤四的评分方法为归一化方法，将特征参数值以线性、倒数、指数等方式映射到区间[0,1]上。

当特征参数分布较均匀且与评分成正比或反比时，选择用线性或倒数方式进行映射。当特征参数在局部分布密集其他部分分布稀疏时采用指数、对数、反余切的方式，对分布密集段进行放大，压缩分布稀疏段。

优选的，所述步骤五具体包括：

采用加权平均的方式，将每个特征参数对应的归一化评分乘以权重，最终得到加权评分，通过对比各执行对象的评分找出评分最高的执行对象，即得最优执行对象。

经由上述的技术方案可知，与现有技术相比，本发明的关键的技术是人工智能程序员，人工智能程序员是将人写程序的决策过程分解，对书写过程中遇到的工程数、文件数、变量类型等的选择，飞行器模型中模块的选择等问题，可以划定选择范围，在有限选择的执行对象中进行自主决策，提高了编写效率，降低了飞行器仿真成本。同时针对仿真时间、资源占用情况对决策目标进行评分，优化选择方案，将数字飞行器源代码开发重要决策过程智能化，克服了现有各类仿真系统开发周期长、重复性开发工作量大和学习成本高的缺点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明提供的人工智能程序员书写数字飞行器源代码有限选择决策方法流程图；

图2附图为本发明实施例公开的数字飞行器源代码的决策树结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，图1为人工智能程序员书写数字飞行器源代码有限选择决策方法的整体流程示意图。本发明人工智能程序员书写数字飞行器源代码有限选择决策方法具体包括以下步骤：

步骤S101：根据决策目标获取执行对象和决策树。

构建数据库，包含决策目标、执行对象、决策树及其之间的对应关系，根据当前需要决策的目标，检索出对应的执行对象和决策树。

1.决策目标

决策目标是指通过决策要解决的问题。决策目标可分为两类：一类与语言书写规范相关、与数字飞行器无关的通用性选择决策，一类与数字飞行器相关的应用层选择决策。

其中，通用性选择决策包括：仿真平台与工程选择、变量类型选择、变量定义位置和方式选择、数组和列表的选择、循环方式选择。

应用层选择决策不决定卫星的结构和参数，只在用户给定的结构和参数的基础上决策仿真代码书写的执行对象。包括：

轨道类型：低中高轨，太阳同步，地球静止，冻结轨道，星座；

轨道递推：二体，J2，J4，HPOP；

主承力结构：非返回式飞行器(中心承力筒、箱式、桁架式承力结构)；返回式飞行器；

稳定方式：重力梯度稳定、自旋稳定、三轴稳定(整星零动量，偏置动量)；

姿态控制算法：PID、滑模自适应、智能控制；

敏感器及模型：太阳敏感器、地球敏感器、星敏感器、磁强计、GPS、陀螺；

敏感器安装位置与数量；

姿态控制执行机构：精密轮、动量轮、控制力矩陀螺、推力器、磁力矩器；

动量轮选用与构型：金字塔构型，三正装一斜装；

控制力矩陀螺选用及其构型：单框架、双框架；定速、变速；金字塔构型、平行构型、五棱锥构型；

推力器选用：10N推力器、490N推力器，及其构型；

电源系统设计：太阳帆板选用(种类，效率，面积)、电池种类、电池容量、充放电深度；

太阳帆板安装方式：体装式、展开式固定型、展开BAPTA驱动型；

热控系统设计：被动热控(表面涂层、隔热层)；主动热控(热管、散热窗口、加热器)；

测控系统设计：转发器选用(数量)、天线(全向、定向)、通信频段(C、S、Ku、Ka)；

有效载荷类型：可见光相机、红外相机、微波遥感器、SAR、通信、科学探测设备。

2.执行对象

执行对象是指为了达到一个决策目标所有可能的实现方式。有限选择决策指在这有限个执行对象中找出可行执行对象集的过程。

通用性选择决策执行对象如下：

仿真平台与工程选择：单机版、分布式、嵌入式。单机版对应一个工程，分布式和嵌入式对应多个工程。

变量类型选择：bit、char、short、long、long long、unsigned char、unsignedshort、unsigned long、float、double。

变量定义位置和方式选择：根据定义位置可分为全局变量和局部变量。全局变量包括static、declare两种定义方法；局部变量按照定义位置分包括函数输入变量、函数内部变量，按照定义方式分包括一般局部变量定义、静态变量、常值变量。

数组和列表的选择：其中列表按实现方式和堆栈占用可分为静态列表和动态列表，按检索方向可分为单向列表、双向列表。

循环方式选择：for循环、while循环、do…while循环。

应用层选择决策的执行对象是不同选择目标下的代码实现，以源代码的形式存储在库中。

3.决策树

决策树是为了提升决策效率，避免无效计算，利用决策树和用户输入的基本信息可以快速对执行对象进行筛选，达到缩小选择范围的目的。其具体实现过程在步骤S102中详细阐述。

步骤S102：根据用户的输入和决策树对执行对象进行筛选，缩小执行对象的选择范围，获取可能实现的执行对象集。

决策树根据用户输入项类型数分层，每一个输入项类型对应决策树一层，逐级筛选。决策树每个决策点有两个输入：用户输入的条件和决策树上一层筛选后的执行对象集，人工智能程序员根据用户每层的输入选择对应分支，进入下一层，直到最后输出结果。

以仿真平台与工程选择为例：

用户需要输入项类型包括仿真粒度和实时性要求。仿真粒度是指仿真程序模拟飞行器的精细程度，包括飞行器整体级别、飞行器子系统级别、飞行器部件级别、真实飞行器电信接口级别。

可供选择的方案包括单机版、分布式和嵌入式。其中单机版指在一台计算机上以一个工程实现所有仿真，仿真粒度覆盖整体、子系统、部件级，在卫星数量较少时可以保证实时性。分布式是指在一台计算机或多台计算机上以多个工程的形式实现所有仿真，仿真粒度覆盖整体、子系统、部件级，实时性受到计算机数量、仿真粒度影响。嵌入式是指在多个嵌入式仿真板卡上以一个板卡一类部件的形式实现仿真，仿真粒度覆盖部件级、真实飞行器电信接口，嵌入式下支持实时和非实时模式。

依据这一特性可以发现利用实时性要求不能直接对方案进行筛选，可以根据仿真粒度进行筛选，因此形成如图2所示的决策树。例如当输入“真实飞行器电信接口”时只能选择嵌入式仿真模式。

步骤S103：计算特征参数。

根据决策目标在数据库中找到该目标下描述方案的特征参数及其计算方法，针对步骤S102中的所有执行对象，计算每个执行对象的特征参数值。

以仿真平台与工程选择为例：

仿真平台与工程选择包含两个特征参数，仿真周期和资源占用，是后面评分的重要依据。

1仿真周期

仿真周期t＝T*n/m；

其中，T为一个飞行器实体在对应平台下步进0.1s所消耗的仿真时间，因此windows平台、linux平台和嵌入式平台下的T均不一样，不同的计算机、不同的嵌入式板卡内核下的T也不一样，需要根据实际平台测量到。

n为该平台下仿真的飞行器实体个数。

m为仿真平台个数，几台计算机或几个嵌入式板卡。

对于实时模式，t小于0.1s是硬性条件，发现不满足则直接放弃该方案。

2资源占用

资源占用O表示使用了多少仿真硬件资源，取仿真平台个数m为衡量标准。

例如输入“部件级”、“非实时模式”。

假设对2个实体进行仿真，每个实体包含15类部件。在计算机上运行步进0.1s所消耗的仿真时间为0.01s，嵌入式上消耗0.06s。则

步骤S104：特征参数评分。

根据决策目标找到该目标下特征参数的评分方法，通常采用归一化方法，将特征参数值以线性、倒数、指数等方式映射到区间[0,1]上。

以仿真平台的工程选择为例：

1仿真时间的评分

仿真时间的评分x⁽¹⁾＝a⁽¹⁾·e^-20t

其中a(1)为评分系数，对x(1)进行归一化处理时用到的，这里不用归一化，取值为1。t为仿真时间。

2资源占用的评分

资源占用的评分x⁽²⁾＝a⁽²⁾/m

其中a(2)为评分系数，对x(2)进行归一化处理时用到的，根据平台不同而不同，对于计算机取值为1，对于嵌入式板卡取值为5。

因此

步骤S105：计算综合评分，得到最优执行对象。采用加权平均的方式，将每个特征参数对应的归一化评分乘以权重，最终得到加权评分，通过对比各方案的评分找出评分最高的执行对象，即最优执行对象。

以仿真平台的工程选择为例：

仿真时间评分的权重为75，资源占用评分的权重为25。得到

可以看到，这三种方案的评分很接近，但单机版仿真效果相对较好，符合飞行器仿真要求。

步骤S106：根据选择的最优执行对象书写源代码。

将选择出的仿真平台、最优执行对象记录下来，作为后面生成工程文件的依据。

其中，仿真平台决定了工程文件的类型，如windows平台下通常采用VS进行编译，因此用sln工程文件；嵌入式平台下根据类型选择keil、CCS等软件的不同工程文件类型。

最优执行对象包括决策出的工程文件数量以及各自包含的内容。例如单机版下包括了所有飞行器，分布式下以一个飞行器一个工程文件，嵌入式下一个部件一个工程。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种人工智能程序员书写数字飞行器源代码有限选择决策方法，其特征在于，包括以下步骤：

步骤一，根据决策目标获取执行对象和决策树；所述决策目标包括通用性选择决策和应用层选择决策；其中，所述通用性选择决策包括：仿真平台与工程选择、变量类型选择、变量定义位置和方式选择、数组和列表的选择和循环方式选择；所述应用层选择决策为在指定的飞行器结构和参数的基础上决策仿真执行对象；

步骤二，根据输入对象和所述决策树对所述执行对象进行筛选，获取可行执行对象集；

步骤三，根据决策目标找到该目标下描述执行对象的特征参数及相应计算方法，针对步骤二中的可行执行对象集，计算每个执行对象的特征参数；

步骤四，对所述决策目标下的执行对象的特征参数进行评分；

步骤五，计算综合评分，得到最优执行对象；

步骤六，根据选择的所述最优执行对象书写源代码。

2.根据权利要求1所述的人工智能程序员书写数字飞行器源代码有限选择决策方法，其特征在于，所述步骤二具体包括：

构建有限选择评估体系，包括仿真粒度和仿真平台；

根据有限选择评估体系获取可行执行对象集，具体包括，

根据平台仿真时间和占用资源情况对仿真粒度进行决策；

根据平台仿真时间和占用资源情况判断是否有真实部件接入的需求，对仿真平台进行决策；

选择符合仿真粒度要求和仿真平台要求的执行对象，构成可执行执行对象集。

3.根据权利要求1所述的人工智能程序员书写数字飞行器源代码有限选择决策方法，其特征在于，所述步骤三中的特征参数包括仿真精度、仿真时间和资源占用；

仿真精度的衡量标准包括仿真粒度、仿真误差、计算结果精度；其中仿真粒度包括航天器整体级别、子系统级别、部件级别以及部件组件级别；仿真误差包括针对各仿真粒度的原理模型和误差模型；计算结果精度是指结果参数的最小分辨率；

仿真时间是指完成单个仿真周期计算所实际花费的时间；

资源占用的衡量标准包括仿真平台资源、存储资源和计算资源；其中仿真平台资源指占用仿真计算机或仿真板卡的个数；存储资源指全局变量占用的固定内存空间、临时变量占用的堆空间和栈空间；计算资源指算法的复杂程度，即算法的占用空间。

4.根据权利要求1所述的人工智能程序员书写数字飞行器源代码有限选择决策方法，其特征在于，所述步骤四的评分方法为归一化方法，将所述特征参数映射到区间[0,1]上。

5.根据权利要求1所述的人工智能程序员书写数字飞行器源代码有限选择决策方法，其特征在于，所述步骤五具体包括：

采用加权平均的方式，将每个特征参数对应的归一化评分乘以权重，最终得到加权评分，通过对比各执行对象的评分找出评分最高的执行对象，即得最优执行对象。

Images