The invention discloses a neural network decision-making method for an artificial intelligence programmer to write the code of a digital aircraft, which uses an artificial intelligence programmer to write the source code of a digital aircraft instead of a human being, and establishes a corresponding relationship between the target sample set and the step-size vector decision-making set of the simulation part of an aircraft component model, and carries out the method. Neural network is trained to obtain the simulation step vector of the decision-making parts, and the source code of the digital aircraft can be written independently according to the task requirements, and the coding of the code in the writing of the decision-making source code, the design of the internal simulation step of the module in the aircraft model and other issues are independently decided. Liberated. The invention reasonably completes the independent decision-making of the source code of the digital aircraft, realizes the automation and intellectualization of the source code writing of the digital aircraft, and reduces the simulation cost of the aircraft.
【技术实现步骤摘要】
人工智能程序员书写数字飞行器代码的神经网络决策方法
本专利技术涉及飞行器设计领域,更具体的说是涉及一种人工智能程序员书写数字飞行器代码的神经网络决策方法。
技术介绍
飞行器设计与研制过程中,为了保证飞行器最终应用的高可靠性,在设计中需要大量采用现有设计的主流方法,并且需要进行仿真验证与地面试验。其中有一些地面试验不能完全的反映飞行器真实在轨工作状况,而且成本高昂,因此受到了限制。数字飞行器仿真验证没有环境条件的限制,而且只要模型建立足够精确,就能够较好的模拟出飞行器的工作状况,因此仿真验证方法在飞行器设计中得到了广泛的应用,并且飞行器数值仿真已经用于飞行器设计的验证。在数字飞行器搭建的过程中,需要编写大量的源代码,工作量大。目前基本依靠人来完成源代码中一系列问题的决策。人工编写代码费时费力,使用人工智能程序员来替代人书写数字飞行器源代码,可以根据飞行器的具体设计情况,自主编写飞行器仿真模型的源代码,并对模型中模块的选择进行决策,将人从繁重的数字飞行器源代码编写过程中解放出来。神经网络是一种分布式并行处理信息的算法数学模型,分为BP神经网络、RBF神经网络等多个种类。依据节点的连接关系及其权值,训练好的神经网络能够对高维空间中的映射关系进行拟合,用简单的形式表达复杂的函数关系。神经网络具有很强的拟合能力与较快的运算速度,基于深度学习的AlphaGo已经在围棋领域取得了成功。神经网络在训练时能够将样本的信息存储在网络中,训练好的网络在接近但非样本输入的情况下能够计算出合适的输出值,所以神经网络具有依据已有样本进行决策的能力。因此,如何提供一种利用人工智能程序员 ...
【技术保护点】
1.一种人工智能程序员书写数字飞行器代码的神经网络决策方法,其特征在于,所述方法包括以下步骤:步骤一,收集数字飞行器的目标样本,目标样本包括目标元素集和飞行器部件模型零件仿真步长向量决策集;将目标元素集中的每个目标元素和飞行器部件模型零件仿真步长向量决策集中的每个目标元素一一对应存储至目标样本数据库;步骤二,提取步骤一中目标元素集中每个目标元素的特征向量和飞行器部件模型零件仿真步长向量;步骤三,将步骤二中的特征向量归一化,得到神经网络训练输入向量;步骤四,将步骤二中的飞行器部件模型零件仿真步长向量归一化,得到神经网络训练输出向量;步骤五,训练神经网络;步骤六,获取待决策目标,提取待决策特征向量并进行归一化;步骤七,将待决策特征向量作为决策输入向量,运行步骤五中训练好的神经网络,获得决策输出向量;步骤八,将决策输出向量进行反归一化,得到决策零件仿真步长向量。
【技术特征摘要】
1.一种人工智能程序员书写数字飞行器代码的神经网络决策方法,其特征在于,所述方法包括以下步骤:步骤一,收集数字飞行器的目标样本,目标样本包括目标元素集和飞行器部件模型零件仿真步长向量决策集;将目标元素集中的每个目标元素和飞行器部件模型零件仿真步长向量决策集中的每个目标元素一一对应存储至目标样本数据库;步骤二,提取步骤一中目标元素集中每个目标元素的特征向量和飞行器部件模型零件仿真步长向量;步骤三,将步骤二中的特征向量归一化,得到神经网络训练输入向量;步骤四,将步骤二中的飞行器部件模型零件仿真步长向量归一化,得到神经网络训练输出向量;步骤五,训练神经网络;步骤六,获取待决策目标,提取待决策特征向量并进行归一化;步骤七,将待决策特征向量作为决策输入向量,运行步骤五中训练好的神经网络,获得决策输出向量;步骤八,将决策输出向量进行反归一化,得到决策零件仿真步长向量。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代码的神经网络决策方法,其特征在于,所述步骤一具体包括,(1)收集目标样本的方法包括计算机自动收集与人工收集;(2)将目标元素集中的目标元素和飞行器部件模型零件仿真步长向量决策集中的飞行器部件模型零件仿真步长向量一一对应匹配,存储至计算机文件中,所述存储方式包括但不限于数据库文件,Excel文件,文本文件;所述目标元素和飞行器部件模型零件仿真步长向量均为若干个。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代码的神经网络决策方法,其特征在于,在所述步骤二中,所述目标元素包括若干数据对象,特征向量由若干个所述数据对象的属性值构成。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代码的神经网络决策方法,其特征在于,所述步骤三具体包括,样本i的目标元素的特征向量记作:Si=(ai,Mi,Ji...
【专利技术属性】
技术研发人员:董云峰,李培昀,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。