CN108595810A - 数字卫星仿真报告智能生成方法 - Google Patents

Abstract

本发明涉及数字卫星仿真报告智能生成方法，包括获取数字卫星仿真程序，读取工况分解数据库中的工况参数，生成待仿真的批量工况；批量运行所述待仿真的批量工况，得到初级归档数据；对所述初级归档数据进行逐级处理，得到多级统计数据；对所述多级统计数据进行数据特征检测，生成检测结果；确定所述检测结果的数据是否符合预期结果；当所述检测结果符合所述预期结果时，根据所述检测结果所对应的报告模板和图表配置信息，执行书写操作自动完成仿真报告。本发明在面对利用数字卫星进行工程或科研研究时，可以快速智能生成仿真报告结果，减少人为重复工作量，也提高了研发效率。

Description

数字卫星仿真报告智能生成方法

技术领域

本发明涉及人工智能技术领域，特别涉及一种数字卫星仿真报告智能生成方法。

背景技术

近年来，数字仿真在各个领域比例提高，逐渐成为一种研究趋势。数字仿真系统在卫星论证、研制、试验、运行等整个生命周期中都起到重要作用。随着人工智能技术的发展，利用智能程序员快速构建数字卫星成为工程项目、科研研究过程中的关键环节。

为评价卫星功能、性能等指标能够否满足要求，研究不同工况下运行状态对比，生成仿真报告是数字卫星配套的必要环节。文档书写中除确定章节等工作需要一定的推理之外，其他大段的文字、大量数据数据分析方式基本都是重复性的工作，人工书写仿真报告费时费力，不能满足智能化的科研趋势。

发明内容

鉴于上述问题，本发明提供一种数字卫星仿真报告智能生成方法，利用人工智能技术根据合同或研究需求获得数据处理方式，再结合数据结果完成图、表自动生成，加上规范的段落文字书写即可实现数字卫星仿真报告的智能生成。

为实现上述目的，本发明提供的数字卫星仿真报告智能生成方法，包括：

S101、获取数字卫星仿真程序，读取工况分解数据库中的工况参数，生成待仿真的批量工况；

S102、批量运行所述待仿真的批量工况，得到初级归档数据；

S103、对所述初级归档数据进行逐级处理，得到多级统计数据；

S104、对所述多级统计数据进行数据特征检测，生成检测结果；

S105、确定所述检测结果的数据是否符合预期结果；所述预期结果包括：单调性特征、在预设范围内、所属分布类型和所属回归特性；

S106、当所述检测结果符合所述预期结果时，根据所述检测结果所对应的报告模板和图表配置信息，执行书写操作自动完成仿真报告。

进一步地，还包括：

S107、当所述检测结果不符合所述预期结果时，修改所述工况分解数据库中的工况参数后，执行步骤S101。

进一步地，所述步骤S101包括：

S1011、采用数字卫星人工智能程序员，根据所述数字卫星仿真程序所对应的配置文件，生成仿真程序源代码；

S1012、根据数字卫星对应的工况分解数据库中的工况参数，生成待仿真的批量工况配置文件。

进一步地，所述初级归档数据，包括动力学解算参数和部件实时工作状态参数；

所述动力学解算参数包括：每个时刻卫星的轨道位置、速度信息，姿态信息，天线、帆板、贮箱、推力器和多个子系统状态参数；

所述部件实时工作状态参数包括：陀螺、星敏、轮子、电池、充放电调节器、贮箱、气瓶、阀门、天线、功率放大器、转发器以及多个子系统的开关状态和关键运行参数。

进一步地，所述步骤S104，包括：

通过数据特征检测工具根据多级数据库、数据检测流程表对数据特征进行检验，并生成检验结果。

进一步地，修改所述工况分解数据库中的工况参数；包括：

根据对应的反馈处理算法，修改待仿真的批量工况，更新批处理工况分解数据库。

本发明实施例提供的上述技术方案的有益效果至少包括：

本发明实施例提供的数字卫星仿真报告智能生成方法，包括获取数字卫星仿真程序，读取工况分解数据库中的工况参数，生成待仿真的批量工况；批量运行所述待仿真的批量工况，得到初级归档数据；对所述初级归档数据进行逐级处理，得到多级统计数据；对所述多级统计数据进行数据特征检测，生成检测结果；确定所述检测结果的数据是否符合预期结果；所述预期结果包括：单调性特征、在预设范围内、所属分布类型和所属回归特性；当所述检测结果符合所述预期结果时，根据所述检测结果所对应的报告模板和图表配置信息，执行书写操作自动完成仿真报告。本发明在面对利用数字卫星进行工程或科研研究时，可以快速智能生成仿真报告结果，减少人为的重复性工作量，进而也提高了研发效率。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例提供的数字卫星仿真报告智能生成方法的流程图。

图2为本发明实施例提供的步骤S101的流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参照图1所示，本发明实施例提供的数字卫星仿真报告智能生成方法，包括步骤S101～S106：

S101、获取数字卫星仿真程序，读取工况分解数据库中的工况参数，生成待仿真的批量工况；

S102、批量运行所述待仿真的批量工况，得到初级归档数据；

S103、对所述初级归档数据进行逐级处理，得到多级统计数据；

S104、对所述多级统计数据进行数据特征检测，生成检测结果；

S105、确定所述检测结果的数据是否符合预期结果；所述预期结果包括：单调性特征、在预设范围内、所属分布类型和所属回归特性；

S106、当所述检测结果符合所述预期结果时，根据所述检测结果所对应的报告模板和图表配置信息，执行书写操作自动完成仿真报告。

本实施例中，在面对利用数字卫星进行工程或科研研究时，可以快速智能生成仿真报告结果，极大程度降低专业人员对数字卫星仿真结果的数据处理、效能评估、书写仿真结果报告等工作量，即减少人为的重复性工作量，进而也提高了研发效率。

进一步地，参照图1所示，还包括S107：当所述检测结果不符合所述预期结果时，修改所述工况分解数据库中的工况参数后，执行步骤S101。

下面分别对上述步骤进行详细说明：

步骤S101：获取数字卫星仿真程序，读取工况分解数据库中的工况参数，生成待仿真的批量工况。

参照图2所示，包括：S1011～S1012；

S1011、采用数字卫星人工智能程序员，根据所述数字卫星仿真程序所对应的配置文件，生成仿真程序源代码；

S1012、根据数字卫星对应的工况分解数据库中的工况参数，生成待仿真的批量工况配置文件。

获取数字卫星仿真程序主要采用数字卫星人工智能程序员，人工输入人工智能程序员书写数字卫星仿真程序所需的配置文件，人工智能程序员根据输入配置文件智能生成仿真程序源代码，并自动编译形成可执行程序，如果生成源代码有不适用部分，人工可以对源代码进行修改，编译后形成可执行程序。

生成需要仿真的批量工况，工况参数定义在工况分解数据库中，参数包括轨道六要素、轨道运动学或动力学、轨道计算模式、卫星初始姿态信息、姿态动力学或运动学，以及其他各子系统或有效载荷详细参数等，定义每个参数的上下取值范围以及单元切片间隔，运行批处理工况生成工具可自动生成各工况参数各种组合方式形成的工况配置文件。

步骤S102：批量运行所述待仿真的批量工况，得到初级归档数据。

利用批处理管理程序运行批量仿真工况，程序遍历步骤S101形成的工况配置文件，启动数字卫星仿真可执行程序以及数据归档程序，计算机分配计算资源完成批量仿真，并将初级归档数据存储到归档数据库中。

其中，初级归档数据包括动力学解算参数和部件实时工作状态。动力学解算参数包括每个时刻卫星的轨道位置、速度信息，姿态信息，天线、帆板、贮箱、推力器等关键部件工作状态，各子系统状态例如电源子系统帆板、电池、母线状态，推进子系统贮箱、气瓶、阀门状态等。部件实时工作状态包括陀螺、星敏、轮子、电池、充放电调节器、贮箱、气瓶、阀门、天线、功率放大器、转发器等所有子系统关键部件开关状态和关键运行参数。

步骤S103：对所述初级归档数据进行逐级处理，得到多级统计数据。

数据处理工具调用处理文件内函数根据数据处理配置数据库完成对初级数据的统计和处理。

统计处理函数封装成文件，比如可以采用c、matlab等语言编写数据处理文件，处理函数包括所有主流统计学方法以及对特定问题的特殊处理方法。其中，统计方法包括概率、均值、方差、标准差、回归分析、相关系数、分布特性，特殊处理方法包括平顺性计算、资源消耗计算、圆概率误差等等。本实施例对此不做限定。

数据处理配置数据库中存储定义数据处理顺序、每次数据处理过程对应的归档数据库中初级数据位置、对应数据处理文件、数据处理结果输出数据库存放位置。

比如其处理过程如下：数据处理文件根据配置文件读取0级数据位置，利用处理函数处理0级数据得到1级数据并将结果存储到输出位置。根据配置文件中数据处理流程逐渐完成所有0级数据处理形成1级数据、1级数据处理得到2级数据，逐层处理后得到最终的1到N级数据。

步骤S104：对所述多级统计数据进行数据特征检测，生成检测结果；

数据特征检测工具根据步骤S103中比如获取的N级数据库、数据检测流程表对数据特征进行检验。

数据检验流程表定义了预期数据结果的编号、数据检测算法、数据源名称、数据表名称、数据列名称。

数据库检测工具读取数据检验流程表，根据数据检测算法、数据源名称、数据表名称、数据列名称读取需要检验的数据，调用相应的matlab文件中检验算法完成结果检验，检验算法包括单调性检验、阈值检验等，最终将检验结果的true或false值存储到数据检验流程表中。

S105、确定所述检测结果的数据是否符合预期结果；所述预期结果包括：单调性特征、在预设范围内、所属分布类型和所属回归特性；

其中：单调性特征：单调递增、单调递减；比如针对两个数据之间关系，典型为命中概率随初始相对距离应该是单调递增，即符合预期结果；

预设范围，即最大最小值范围，比如典型数据：卫星姿态角、角速度等，各种控制精度，检测是否在预设范围内，若在则符合预期结果；

所属分布类型，包括二项分布、均匀分布、正态分布等，比如判断常值误差是否符合均匀分布，白噪声误差是否符合正态分布，若符合则符合预期结果；

所属回归特性，包括线性回归、多项式回归、三角级数回归等，比如轮子转速，帆板转角是否满足线性回归特性，若满足则符合预期结果。

S106、当所述检测结果符合所述预期结果时，根据所述检测结果所对应的报告模板和图表配置信息，执行书写操作自动完成仿真报告。

报告模板中包括所有章节标题、文档各段的文字内容、预留的标签位置。图表配置信息中存储了图表的详细制作信息，包括图片在数据库什么位置、图片的坐标轴范围、图例名称、曲线类型、每条曲线填充数据等，以及每个图表对应的标签ID和尺寸。

报告自动生成程序获取上述配置信息，进行图表自动绘制和插入，最终完成仿真报告书写。

S107、当所述检测结果不符合所述预期结果时，修改所述工况分解数据库中的工况参数后，执行步骤S101。

举例说明上述过程，例如检测打击命中概率随弹目初始相对距离变化，预期结果为单调递增，即初始相对距离越小，命中概率越高，根据步骤S104中单调性检验算法检验结果，若检验结果为false，调用单调性反馈修改算法，如果计算结果仅存在少数不符合预期规律的工况，则修改工况分解数据库中的工况参数，对不符合规律的工况进行筛除，若发现整体数据均不符合预期规律，则对工况分解数据库进行重新切片，更换切片间距或更换切片范围，返回执行步骤S101。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.数字卫星仿真报告智能生成方法，其特征在于，包括：

S101、获取数字卫星仿真程序，读取工况分解数据库中的工况参数，生成待仿真的批量工况；

S102、批量运行所述待仿真的批量工况，得到初级归档数据；

S103、对所述初级归档数据进行逐级处理，得到多级统计数据；

S104、对所述多级统计数据进行数据特征检测，生成检测结果；

S105、确定所述检测结果的数据是否符合预期结果；所述预期结果包括：单调性特征、在预设范围内、所属分布类型和所属回归特性；

S106、当所述检测结果符合所述预期结果时，根据所述检测结果所对应的报告模板和图表配置信息，执行书写操作自动完成仿真报告。

2.如权利要求1所述的方法，其特征在于，还包括：

S107、当所述检测结果不符合所述预期结果时，修改所述工况分解数据库中的工况参数后，执行步骤S101。

3.如权利要求1所述的方法，其特征在于，所述步骤S101包括：

S1011、采用数字卫星人工智能程序员，根据所述数字卫星仿真程序所对应的配置文件，生成仿真程序源代码；

S1012、根据数字卫星对应的工况分解数据库中的工况参数，生成待仿真的批量工况配置文件。

4.如权利要求1所述的方法，其特征在于，所述初级归档数据，包括动力学解算参数和部件实时工作状态参数；

所述动力学解算参数包括：每个时刻卫星的轨道位置、速度信息，姿态信息，天线、帆板、贮箱、推力器和多个子系统状态参数；

所述部件实时工作状态参数包括：陀螺、星敏、轮子、电池、充放电调节器、贮箱、气瓶、阀门、天线、功率放大器、转发器以及多个子系统的开关状态和关键运行参数。

5.如权利要求1所述的方法，其特征在于，所述步骤S104，包括：

通过数据特征检测工具根据多级数据库、数据检测流程表对数据特征进行检验，并生成检验结果。

6.如权利要求2所述的方法，其特征在于，修改所述工况分解数据库中的工况参数；包括：

根据对应的反馈处理算法，修改待仿真的批量工况，更新批处理工况分解数据库。