CN113703725A - 基于混沌分形特征的数字卫星源代码书写决策分解方法 - Google Patents
基于混沌分形特征的数字卫星源代码书写决策分解方法 Download PDFInfo
- Publication number
- CN113703725A CN113703725A CN202110974643.6A CN202110974643A CN113703725A CN 113703725 A CN113703725 A CN 113703725A CN 202110974643 A CN202110974643 A CN 202110974643A CN 113703725 A CN113703725 A CN 113703725A
- Authority
- CN
- China
- Prior art keywords
- decision
- digital satellite
- source code
- fractal
- decomposition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 58
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 23
- 238000003066 decision tree Methods 0.000 claims abstract description 10
- 230000000739 chaotic effect Effects 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 16
- 239000000203 mixture Substances 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 230000002787 reinforcement Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012827 research and development Methods 0.000 abstract 2
- 239000000243 solution Substances 0.000 description 9
- 238000009434 installation Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000003380 propellant Substances 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012821 model calculation Methods 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/20—Software design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/31—Programming languages or programming paradigms
- G06F8/313—Logic programming, e.g. PROLOG programming language
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于混沌分形特征的数字卫星源代码智能书写决策分解方法,包括:建立数字卫星的规范化描述;基于规范化描述,采用混沌分形多维决策树分解方法,对数字卫星源代码智能书写的复杂决策进行极致分解,获得子决策集合;将子决策集合内的每一个子决策与现有人工智能集合进行依次顺序匹配,若全部匹配成功则转入下一步,否则返回上一步重新分解;用匹配成功的人工智能方法解决子决策集合,完成数字卫星源代码的智能书写。本发明混沌分形多维决策树分解方法,仅利用现有的人工智能技术,让计算机完全替代人完成数字卫星研制的复杂决策,自主写出数字卫星源代码,有效缩短卫星仿真系统的研发周期并降低数字卫星的研制成本。
Description
技术领域
本发明涉及源代码智能书写决策分解技术领域,更具体的说是涉及基于混沌分形特征的数字卫星源代码智能书写决策分解方法。
背景技术
真实卫星具有复杂庞大高度综合的特点,单纯的由人去完成研制数字卫星的所有决策并书写数字卫星源代码,不仅技术上有挑战性,其花费的人力成本和时间成本也很高。
近年来越来越多的学者致力于如何用人工智能替代人来进行各种技术工作和脑力劳动的研究,但受限于目前的技术发展,其取代程度有限,而且数字卫星本身是一个高度复杂的系统,涉及多动态、多空间尺度、多物理场耦合的复杂问题,针对数字卫星源代码的智能书写决策极其复杂,目前靠现有的各类人工智能均无法对其进行有效解决。例如,现有专利CN201810036677.9,一种人工智能程序员书写数字飞行器源代码的决策分解方法,其用于分解的维数量少、分解的深度不够,仅适用于简单决策的分解,对复杂决策的分解力度、深度均有所不足。
因此,如何对数字卫星源代码智能书写的复杂决策进行极致分解,使得分解后的各子决策足够简单,均可以由现有的单一人工智能来解决,从而可以由人工智能完全替代人来完成数字卫星研制的所有决策并自主书写数字卫星源代码是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于混沌分形特征的数字卫星源代码书写决策分解方法,可以将源代码智能书写的复杂决策进行极致分解,使得分解后的子决策足够简单,可以利用现有的人工智能技术进行解决,即让计算机完全替代人完成数字卫星研制的复杂决策,自主书写出数字卫星源代码,为数字孪生建模开辟一条新道路。
为了实现上述目的,本发明采用如下技术方案:
基于混沌分形特征的数字卫星源代码书写决策分解方法,包括:
步骤一:根据具体任务卫星,确定并构建卫星的数字化描述集合、模型参数集合及方程组数值求解方法,并构建规范化描述记录;
步骤二:基于规范化描述记录,采用混沌分形多维决策树分解方法,对数字卫星的源代码智能书写复杂决策进行极致分解,获得数字卫星源代码智能书写的子决策集合;
步骤三:针对子决策集合内的每一个子决策选择现有人工智能集合中的所有人工智能方法依次进行顺序匹配解决,若匹配成功则转入下一个子决策继续匹配,若存在匹配失败则转入步骤二选择合适的维进行重新分解,若全部匹配成功则转入步骤四;
步骤四:利用匹配的人工智能方法解决子决策集合,完成数字卫星源代码的智能书写。
优选的,采用混沌分形多维决策树分解方法具体为:
在已有的维中选择任意排列组合的维依次对数字卫星源代码智能书写的复杂决策进行分解,在分解的过程中利用部分维具有的混沌分形特征进行维的重用,即重复利用已经用过的具有混沌分形特征的维使得分解更为彻底,并最终得到子决策集合。
优选的,已有的维包括时间维、空间维、系统维、逻辑维和界定维,按系统维将具体任务卫星按系统、子系统、部件、组件和元件依次向下分解;按界定维将具体任务卫星系统分解为环境、功能、组成、结构、模式、程序和操作,功能定义系统如何影响环境,组成和结构定义系统是什么,模式、程序、操作定义系统做什么;按逻辑维将具体任务卫星分为目标、方案和执行。
优选的,混沌分形特征指分解后的局部与分解前的整体有着高度的自相似性,凡是具有该特征的维都是具有混沌分形特征的维,典型的具有混沌分形特征的维包括系统维和逻辑维。
优选的,现有人工智能集合包括:计算智能、逻辑推量和机器学习。
优选的,计算智能包括但不限于遗传编程、聚类与主成分分析、大数据与数据挖掘;逻辑推量包括但不限于计算机代数、描述性语言、状态空间搜索和专家系统;机器学习包括但不限于深度学习和强化学习。
优选的,模型参数集合基于数字化描述集合确定并构建。
优选的,方程组数值求解方法包括但不限于代数方程、常微分方程和偏微分方程的求解算法。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于混沌分形特征的数字卫星源代码书写决策分解方法,提出混沌分形多维决策树分解方法,发掘具有混沌分形特征的维并基于此实现分解过程中维的多次重用,使得分解更为彻底,进而实现对数字卫星源代码智能书写复杂决策的极致分解,这样会使分解后的各子决策足够简单,可以分别由现有的人工智能方法得以一一解决,至此完成由人工智能完全替代人来进行数字卫星源代码智能书写的所有决策,并最终自主智能的完成数字卫星源代码的开发。
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基于混沌分形特征的数字卫星源代码书写决策分解方法流程图。
图2附图为本发明提供的混沌分形多维决策树分解、匹配流程示意图。
图3附图为实施例提供的系统维逻辑维界定维分解示意图。
图4附图是图3附图的局部放大图。
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。
本发明实施例公开了一种基于混沌分形特征的数字卫星源代码书写决策分解方法,如图1和2所示,包括:
(1)构建规划范化描述记录:
1)确定数字卫星的数字化描述集合。
卫星数字化描述可以依据物理世界已存在的一个卫星,也可以依据设计师的卫星设计方案。卫星的数字化描述,包括以下内容:(a)卫星的总体参数,如质量、惯量,几何外形尺寸等;(b)各子系统的相关记录,如各子系统所用部件的类型、个数、安装方位信息等、各部件之间的联接信息,如果是信号线还需记录传递信息的内容、格式等;(c)各部件的相关记录,零部件的数字化描述有一定通用性,一般可以在多个卫星上用,可以存在库中在多个卫星上复用。
一个数字化描述集合可能包括:一颗位于地球静止轨道的承力筒式卫星,质量2300kg;包含姿轨控子系统、供电子系统、热控子系统、有效载荷子系统;姿轨控子系统包含12个推力器部件、6个陀螺部件、1个星敏感器部件、4个动量轮部件;推力器部件的质量为2kg、电功率为10.2W、热功率为6W、推力大小1N、推力大小常值偏差0.005N、推力大小随机偏差0.1N。
上述只是一个具体实施例,并不用于限定,需要根据具体任务卫星确定并构建卫星的数字化描述集合。
2)确定数字卫星的模型参数集合。
模型参数集合需要依据数字化描述集合确定并构建。数字卫星运行在数字世界中,要根据卫星在空间的飞行范围,零部件部位安排等个性化特征决定多个物理场数学公式描述,构建飞行运行环境模型;依据零部件工作原理、电信接口、误差和失效特征构建零部件模型;依据子系统各个单机零部件关系构建子系统能力模型;依据各子系统和载荷关系构建卫星能力模型。
以陀螺部件举例,一个陀螺部件的模型参数集合可能包括:陀螺部件模型包含测量原理模型;模拟脉冲输出和电压输出两种信号输出方式的电信接口模型;求解陀螺随机误差构建的随机游走模型;针对陀螺脉冲量、模拟量两种输出方式的无输出和随机输出失效模型。
3)确定数字卫星的方程组数值求解方法。
根据实际需求,选择合理的代数方程、常微分方程、偏微分方程的求解算法,平衡计算精度和计算能力资源占用。
如求解轨道、姿态和微振动耦合特性,采取先不考虑轨道和姿态情况下,求自由漂浮弹性体的模态的形式,得到高频微振动特性的一般规律,然后将模态转为平动耦合和转动耦合系数矩阵,将这两个系数矩阵引入到描述姿态动力学的常微分方程组中。
4)构建规范化描述记录
在确定了具体任务卫星的数字化描述集合、模型参数集合和方程组数值求解方法后,分别对其采用合适的规范化描述方法来进行记录。采用数据库形式储存具有复杂关系的信息;采用XML等可扩展标记语言文件储存具有树结构的信息;采用文本文件储存参数配置项。
(2)基于规范化描述记录,采用混沌分形多维决策树分解方法,对数字卫星源代码智能书写复杂决策进行极致分解,获得数字卫星源代码智能书写的子决策集合。
具体的,选择合适的若干数量的维依次对数字卫星源代码智能书写的复杂决策进行分解,在分解的过程中基于部分维具有的混沌分形特征进行维的重用,对数字卫星源代码智能书写的复杂决策进行极致分解,若干数量的维是从已有维中挑选的任意排列组合。
例如,选择系统维、逻辑维、界定维,并在分解过程中基于系统维具有的混沌分形特征进行系统维的重用,对数字卫星源代码智能书写的复杂决策进行极致分解,如图3和图4所示。
首先根据具体仿真粒度要求确定需要分解的深度,可以分别针对系统、各子系统、各子系统包含部件、各部件包含元件等分别确定需要分解的深度,然后再进行分解,在界定维和逻辑维构建的平面内,沿界定维中系统的组成这个区域,是可以按系统维进一步展开进行分解的。针对卫星的某个子系统,再按界定维展开,找到这个子系统的部件(组成),部件的关系(结构),子系统能做什么,子系统的子功能,能影响的环境,对子系统,就是能影响的卫星的状态。在这个子系统界定维和逻辑维层面上,沿逻辑维展开,解释这个子系统为什么需要这些部件,这些部件存在什么关系,子系统的各部件需要做什么事,才能使子系统完成子功能规定的任务,改变卫星的状态。进一步的,可以再对组成子系统的某部件,再沿界定维和逻辑维展开进行细分解,并最终获得子决策集合。
(3)针对子决策集合内的每一个子决策选择现有人工智能集合中的所有人工智能方法进行依次顺序匹配。
现有人工智能集合包括:计算智能、逻辑推量和机器学习,其中计算智能包括但不限于遗传编程、聚类与主成分分析、大数据与数据挖掘;逻辑推量包括但不限于计算机代数、描述性语言(Prolog、List)、状态空间搜索、专家系统;机器学习包括但不限于深度学习、强化学习(系统工程中对策论)。
将子决策集合中的每一个子决策与现有人工智能集合中的所有人工智能进行依次顺序匹配,若全部匹配成功,则数字卫星源代码智能书写成功,若存在任意匹配失败的情况,则返回上一步重新选择合适的维进行再次分解。
针对上述举例的使用系统维、逻辑维、界定维对数字卫星源代码智能书写的复杂决策进行分解的过程再做详细举例说明:
如探究1颗敏捷卫星在全摄动条件下,分别采用不同的轨道机动方法(轨道维持、单脉冲变轨、双脉冲变轨、三脉冲变轨)从空间中一点机动到另一点,对比对应的效能指标数值(推进剂消耗、轨道机动所需时间)。
首先根据具体要求确定粒度,本例中旨在计算不同轨道机动方法下从空间中一点到另一点的效能指标,效能指标包含推进剂消耗和轨道机动所需时间,因此构建一颗仅包含细粒度的姿轨控子系统和推进子系统的敏捷卫星即可,细粒度指该子系统模型构建精细程度到部件级别即可满足要求。
首先针对该敏捷卫星系统沿界定维、逻辑维组成的平面展开,在系统的界定维、逻辑维组成的平面内,按界定维展开,即按组成、结构、模式、程序、操作、功能、环境进行分解,组成包含姿轨控子系统和推进子系统;结构为姿轨控子系统和推进子系统在卫星内的具体安装方位;模式为卫星的在轨任务模式,包括常规模式和变轨模式;程序为在轨任务模式切换程序;操作为人为进行地面站指令上注;功能即计算得到敏捷卫星在不同轨道机动方法下的效能指标数值;环境包括动力学、地球、月球、太阳、地球磁场、地球大气。
在这个系统的界定维、逻辑维层面上,沿逻辑维展开,即按目标、方案、执行进行分解,用于解释这个系统为什么需要这些子系统,这些子系统存在什么关系,系统的各子系统需要做什么事,才能使系统完成功能规定的任务,改变卫星的状态。本例中,目标为计算得到敏捷卫星在不同轨道机动方法下的效能指标数值。方案为设计推进剂消耗和轨道机动所需时间两种效能指标的算法程序,依据算法程序的输入和要求确定数字卫星源代码的构成,本实例中轨道机动需要建立姿轨控子系统,探究推进剂消耗则需要建立推进子系统;依据具体轨道机动要求,设计常规模式和变轨模式两种在轨任务模式,常规模式对应轨道维持,变轨模式对应单脉冲、双脉冲和三脉冲变轨;同时在轨任务模式的自动切换需要设计在轨任务模式切换程序;根据要求全摄动条件设置环境包括动力学及地球、月球、太阳、地球磁场、地球大气等各项环境摄动。执行为根据智能书写的数字卫星源代码运行得到的归档数据作为效能指标算法程序的输入计算得出不同轨道机动方法下的效能指标数值。
而后在系统的界定维、逻辑维构建的平面内,在界定维的组成这一部分,按系统维进一步展开进行分解,即分别针对该敏捷卫星系统的组成:姿轨控子系统和推进子系统,进一步展开成新的各自的界定维、逻辑维平面,再分别按其对应的界定维和逻辑维展开继续分解。
在姿轨控子系统的界定维、逻辑维构建的平面内,沿界定维展开,组成包含陀螺、星敏感器、GPS、推力器和执行飞行模式的控制器四个部件;结构为这三个部件在星上的具体安装方位,以安装点和安装姿态表示;模式为该子系统对应的飞行模式,包含姿态机动模式、轨道机动模式、位置保持模式和对地定向模式;程序包含姿态确定程序、姿态控制程序和飞行模式切换程序,姿态确定算法程序包括陀螺测角速度算法程序和星敏感器测姿态角算法程序,姿态控制算法包括PID控制算法程序和推力器相平面控制算法程序;操作为人为进行地面站有关轨道机动指令的上注,包括轨道维持和单脉冲、双脉冲、三脉冲轨道机动的指令;功能为卫星提供姿态轨道控制;环境即其在星内所处位置的环境。
在这个姿轨控子系统的界定维、逻辑维层面上,沿逻辑维展开,即按目标、方案、执行进行分解,用于解释这个子系统为什么需要这些部件,这些部件存在什么关系,子系统的各部件需要做什么事,才能使子系统完成功能规定的任务,改变卫星的状态。在本例中,目标为实现卫星不同轨道机动方法的姿态轨道控制。方案为根据需要进行的轨道机动策略确定姿轨控子系统的源代码构成,本实例中为实现从一点到另一点的轨道机动,需要测量当前姿态参数信息的陀螺和星敏感器,需要测量当前轨道位置信息的GPS,需要根据要求输出控制指令的控制器,需要执行控制指令输出控制力和力矩的推力器,在轨任务模式与飞行模式是有对应关系的,某一在轨任务模式可能需要多个子系统模式的同时运行,如在轨任务模式中的变轨模式的实现需要姿轨控子系统飞行模式中姿态机动模式、轨道机动模式和位置保持模式共同协作。执行为。
对推进子系统按界定维、逻辑维展开与姿轨控子系统类似,这里不做详细叙述。
随后,从源代码架构设计的角度,经上述步骤分解后的各子决策分别对应形成各自的源代码文件:
动力学、太阳、地球、月亮、大气等环境相关耦合计算分别对应单独的源代码文件和配套的头文件,这些文件一般具备通用性,不随卫星变化而变化。
每个部件单独书写成一个源代码文件。
按界定维分解后的模式、程序、操作分别书写形成各自的源代码文件。
根据源代码文件的书写结构又可对各源代码文件的结构进行分解,以星敏感器的源代码文件为例,其他类似,星敏感器部件的源代码文件包含星敏感器部件所需头文件、部件状态量定义、部件模型初始化函数定义、部件模型数据传输函数定义、部件模型相关计算函数定义等。
至此,通过混沌分形多维决策树分解方法完成对该颗敏捷卫星源代码智能书写的极致分解,将各源代码文件按书写结构分解后的各子决策汇总形成子决策集合,再分别针对子决策集合内各子决策匹配合适的人工智能方法进行对应的源代码智能书写,以上述举例的星敏感器部件为例,其他部件类似,一个匹配成功的星敏感器部件源代码智能书写案例如下:
星敏感器部件所需头文件代码包括系统内置头文件和自定义头文件,系统内置头文件包含数学标准库头文件、系统标准输入输出头文件等,自定义头文件如星敏感器安装矩阵信息头文件、星敏感器数据传输通道定义头文件等。这些头文件的代码是固定的,在源代码智能书写时采用直接调用的方法进行书写。
针对星敏感器的部件状态量定义、部件模型初始化函数定义的书写,事先将相关变量或参数储存在数据库中,在源代码智能书写时采取直接检索调用或遍历书写的方式即可。
针对星敏感器的部件模型数据传输函数定义和模型计算函数定义的书写,采用遗传算法,其输入为部件仿真步长和安装矩阵,输出为星敏感器的三轴姿态测量值,从大量的候选模型计算函数中通过遗传编程方法进行不断的迭代优化,进而获取得到最优的模型计算函数并完成智能书写。
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 (8)
1.基于混沌分形特征的数字卫星源代码书写决策分解方法,其特征在于,包括:
步骤一:根据具体任务卫星,确定并构建卫星的数字化描述集合、模型参数集合及方程组数值求解方法,并构建规范化描述记录;
步骤二:基于规范化描述记录,采用混沌分形多维决策树分解方法,对数字卫星的源代码智能书写复杂决策进行极致分解,获得数字卫星源代码智能书写的子决策集合;
步骤三:针对子决策集合内的每一个子决策选择现有人工智能集合中的所有人工智能方法依次进行顺序匹配解决,若匹配成功则转入下一个子决策继续匹配,若存在匹配失败则转入步骤二选择合适的维进行重新分解,若全部匹配成功则转入步骤四;
步骤四:利用匹配的人工智能方法解决子决策集合,完成数字卫星源代码的智能书写。
2.根据权利要求1所述的基于混沌分形特征的数字卫星源代码书写决策分解方法,其特征在于,采用混沌分形多维决策树分解方法具体为:
在已有的维中选择任意排列组合的维依次对数字卫星源代码智能书写的复杂决策进行分解,在分解的过程中利用部分维具有的混沌分形特征进行维的重用,即重复利用已经用过的具有混沌分形特征的维使得分解更为彻底,并最终得到子决策集合。
3.根据权利要求2所述的基于混沌分形特征的数字卫星源代码书写决策分解方法,其特征在于,已有的维包括时间维、空间维、系统维、逻辑维和界定维,按系统维将具体任务卫星按系统、子系统、部件、组件和元件依次向下分解;按界定维将具体任务卫星系统分解为环境、功能、组成、结构、模式、程序和操作;按逻辑维将具体任务卫星分为目标、方案和执行。
4.根据权利要求3所述的基于混沌分形特征的数字卫星源代码书写决策分解方法,其特征在于,具有混沌分形特征的维包括系统维和逻辑维。
5.根据权利要求1所述的基于混沌分形特征的数字卫星源代码书写决策分解方法,其特征在于,现有人工智能集合包括:计算智能、逻辑推量和机器学习。
6.根据权利要求5所述的基于混沌分形特征的数字卫星源代码书写决策分解方法,其特征在于,计算智能包括但不限于遗传编程、聚类与主成分分析、大数据与数据挖掘;逻辑推量包括但不限于计算机代数、描述性语言、状态空间搜索和专家系统;机器学习包括但不限于深度学习和强化学习。
7.根据权利要求1所述的基于混沌分形特征的数字卫星源代码书写决策分解方法,其特征在于,模型参数集合基于数字化描述集合确定并构建。
8.根据权利要求1所述的基于混沌分形特征的数字卫星源代码书写决策分解方法,其特征在于,方程组数值求解方法包括但不限于代数方程、常微分方程和偏微分方程的求解算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110974643.6A CN113703725B (zh) | 2021-08-24 | 2021-08-24 | 基于混沌分形特征的数字卫星源代码书写决策分解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110974643.6A CN113703725B (zh) | 2021-08-24 | 2021-08-24 | 基于混沌分形特征的数字卫星源代码书写决策分解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113703725A true CN113703725A (zh) | 2021-11-26 |
CN113703725B CN113703725B (zh) | 2024-06-18 |
Family
ID=78654464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110974643.6A Active CN113703725B (zh) | 2021-08-24 | 2021-08-24 | 基于混沌分形特征的数字卫星源代码书写决策分解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113703725B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115391924A (zh) * | 2022-11-01 | 2022-11-25 | 北京航空航天大学 | 一种数字孪生环境下智能卫星的深度强化学习设计方法 |
CN116562299A (zh) * | 2023-02-08 | 2023-08-08 | 中国科学院自动化研究所 | 文本信息的论元抽取方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100241698A1 (en) * | 2009-03-18 | 2010-09-23 | Talk3, Inc. | Methods and systems for auto-generating models of networks for network management purposes |
CN108363310A (zh) * | 2018-01-15 | 2018-08-03 | 北京航空航天大学 | 人工智能程序员书写数字飞行器源代码的聚类决策方法 |
CN108399273A (zh) * | 2018-01-15 | 2018-08-14 | 北京航空航天大学 | 人工智能程序员书写数字飞行器源代码的决策分解方法 |
CN109213473A (zh) * | 2018-07-20 | 2019-01-15 | 北京航空航天大学 | 卫星日常操作流程的人工智能生成方法 |
CN111857824A (zh) * | 2020-07-16 | 2020-10-30 | 中国科学院计算技术研究所 | 用于分形智能处理器的控制系统、方法及电子设备 |
-
2021
- 2021-08-24 CN CN202110974643.6A patent/CN113703725B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100241698A1 (en) * | 2009-03-18 | 2010-09-23 | Talk3, Inc. | Methods and systems for auto-generating models of networks for network management purposes |
CN108363310A (zh) * | 2018-01-15 | 2018-08-03 | 北京航空航天大学 | 人工智能程序员书写数字飞行器源代码的聚类决策方法 |
CN108399273A (zh) * | 2018-01-15 | 2018-08-14 | 北京航空航天大学 | 人工智能程序员书写数字飞行器源代码的决策分解方法 |
CN109213473A (zh) * | 2018-07-20 | 2019-01-15 | 北京航空航天大学 | 卫星日常操作流程的人工智能生成方法 |
CN111857824A (zh) * | 2020-07-16 | 2020-10-30 | 中国科学院计算技术研究所 | 用于分形智能处理器的控制系统、方法及电子设备 |
Non-Patent Citations (4)
Title |
---|
A .D.HALL: "The fractal architecture of the systems engineering method", IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS, PART C(APPLICATIONS AND REVIEWS), vol. 28, no. 4, 30 November 1998 (1998-11-30), pages 565 - 572, XP000786769, DOI: 10.1109/5326.725343 * |
李洪珏, 董云峰: "卫星故障诊断系统智能研制技术研究", 上海航天, vol. 34, no. 3, pages 52 - 59 * |
肖人彬: "一种面向复杂决策的综合集成新理论", 系统管理学报, no. 1, pages 51 - 57 * |
董云峰等: "数字卫星源代码生成技术", 2015年小卫星技术交流会论文集, pages 143 - 55 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115391924A (zh) * | 2022-11-01 | 2022-11-25 | 北京航空航天大学 | 一种数字孪生环境下智能卫星的深度强化学习设计方法 |
CN115391924B (zh) * | 2022-11-01 | 2023-03-03 | 北京航空航天大学 | 一种数字孪生环境下智能卫星的深度强化学习设计方法 |
CN116562299A (zh) * | 2023-02-08 | 2023-08-08 | 中国科学院自动化研究所 | 文本信息的论元抽取方法、装置、设备及存储介质 |
CN116562299B (zh) * | 2023-02-08 | 2023-11-14 | 中国科学院自动化研究所 | 文本信息的论元抽取方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113703725B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113703725A (zh) | 基于混沌分形特征的数字卫星源代码书写决策分解方法 | |
CN108287959B (zh) | 人工智能程序员书写数字飞行器源代码执行方法 | |
Chien et al. | Automated planning and scheduling for goal-based autonomous spacecraft | |
Ravaioli et al. | Safe reinforcement learning benchmark environments for aerospace control systems | |
CN108399273B (zh) | 人工智能程序员书写数字飞行器源代码的决策分解方法 | |
Chamitoff et al. | Real-time maneuver optimization of space-based robots in a dynamic environment: Theory and on-orbit experiments | |
Olds | The suitability of selected multidisciplinary design and optimization techniques to conceptual aerospace vehicle design | |
Trodden et al. | Multi-vehicle cooperative search using distributed model predictive control | |
Simmons et al. | Architecture generation for Moon-Mars exploration using an executable meta-language | |
Jiang et al. | A constraint-programmed planner for deep space exploration problems with table constraints | |
Venice et al. | Artificial Intelligence Based Robotic System with Enhanced Information Technology | |
Zhang et al. | Global Trajectory Optimization of Multispacecraft Successive Rendezvous Using Multitree Search | |
Lee et al. | Simulation-based real-time decision making for route planning | |
Saunders | A framework for autonomous cooperative optimal assignment and control of satellite formations | |
Seiferth et al. | Predictive motion planning with pipelined feature-based obstacle avoidance | |
LaFarge | Reinforcement learning approaches for autonomous guidance and control in a low-thrust, multi-body dynamical environment | |
Huang | A Prototype Computerized Synthesis Methodology for Generic Space Access Vehicle (SAV) Conceptual Designs | |
Kaiser | Optimal control of liquid propellant rocket engines for landing of reusable stages using deep reinforcement learning | |
Hejase et al. | SafeMAP: Safe Multi-Agent Planning framework based on Dynamic Probabilistic Risk Assessment | |
Stilman | A linguistic geometry for 3d strategic planning | |
Feng et al. | Research on agile space emergency launching mission planning simulation and verification method | |
Anne Weiss et al. | Reusable software architectures for aerospace systems | |
Listov | Real-Time Nonlinear Model Predictive Control for Fast Mechatronic Systems | |
Hough | Cascaded Lyapunov Vector Fields for Spacecraft Relative Trajectory Tracking in Rotating Reference Frames Under Acceleration Constraints | |
McCall | Automating Aerospace Synthesis Code Generation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |