[发明专利]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

权利要求书

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；具体包括：

样本i的目标元素的特征向量记作：

S_i＝(a_i,M_i,J_ix,J_iy,J_iz,f_i,P_i,K_i),i＝1...N

其中，飞行器轨道半长轴为a_i，飞行器总质量为M_i，飞行器三轴转动惯量分别为J_ix、J_iy、J_iz，太阳帆板一阶振动频率f_i，飞行器能提供给控制力矩陀螺的最大电功率为P_i，控制力矩陀螺构型为K_i；

将特征向量中每个元素分别归一化，得到神经网络训练输入向量记作S_ini，

S_ini＝(a′_i,M′_i,J′_ix,J′_iy,J′_iz,f_i′,P_i′,K′_i),i＝1...N；

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。