[发明专利]一种基于长短时间记忆网络的空间物理运动体建模方法

权利要求书

1.一种基于长短时间记忆网络的空间物理运动体建模方法，其特征在于：包括如下步骤：

步骤一、建立第一全连接神经网络；第一全连接神经网络的输入节点个数为预设的状态量维数与预设的控制量维数之和，第一全连接神经网络的输出节点个数为128；

步骤二、建立第二全连接神经网络；第二全连接神经网络的输入节点个数为预设的控制量维数；第二全连接神经网络的输出节点个数为128；

步骤三、建立第三全连接神经网络；第三全连接神经网络的输入节点个数为128，第三全连接神经网络的输出节点个数为预设的状态量维数；

步骤四、建立第一长短时间记忆网络和第二长短时间记忆网络；其中，第一长短时间记忆网络用于编码；第二长短时间记忆网络用于解码；

步骤五、根据步骤一至步骤四建立初始动力学模型网络；

步骤六、获取历史飞行弹道的状态量S_t和控制量C_t；根据状态量S_t和控制量C_t对步骤五中的初始动力学模型网络进行网络训练；

步骤七、重复步骤六，直至初始动力学模型网络收敛，获得最终动力学模型网络修正；通过最终动力学模型网络，实现根据当前飞行器的状态量和控制量对未来飞行器状态量的预测。

2.根据权利要求1所述的一种基于长短时间记忆网络的空间物理运动体建模方法，其特征在于：所述全连接神经网络为每个输入节点与各输出节点均有连接。

3.根据权利要求2所述的一种基于长短时间记忆网络的空间物理运动体建模方法，其特征在于：所述步骤一中，状态量包括飞行器的高度、纬度、速度标量、攻角、侧滑角、俯仰角、滚动角、偏航角、俯仰角速度、滚动角速度和偏航角速度；控制量包括俯仰控制力矩、滚动控制力矩和偏航控制力矩。

4.根据权利要求3所述的一种基于长短时间记忆网络的空间物理运动体建模方法，其特征在于：所述第一全连接神经网络的激活函数、第二全连接神经网络的激活函数和第三全连接神经网络的激活函数均为ReLU函数。

5.根据权利要求4所述的一种基于长短时间记忆网络的空间物理运动体建模方法，其特征在于：ReLU函数的表达式为：

y(x)＝max(0,x)+min(0,x)

式中，x为输出节点的输入；

y为输出节点的输出；

max(0,x)为取0和x中的较大值；

min(0,x)为取0和x中的较小值。

6.根据权利要求5所述的一种基于长短时间记忆网络的空间物理运动体建模方法，其特征在于：所述步骤四中，所述长短时间记忆网络的激活函数为：

y(x)＝1/(1+e^-x)

式中，x为长短时间记忆网络输出节点的输入；

y为长短时间记忆网络输出节点的输出；

e为自然常数。

7.根据权利要求6所述的一种基于长短时间记忆网络的空间物理运动体建模方法，其特征在于：所述步骤五中，动力学模型网络的建立方法为：

将第一全连接神经网络的128个输出作为第一长短时间记忆网络的输入；第一长短时间记忆网络对第一全连接神经网络的128个输出进行编码处理，得到编码后的128个输出，并将编码后的128个输出作为第二长短时间记忆网络的输入；同时，第二全连接神经网络的128个输出也作为第二长短时间记忆网络的输入；第二长短时间记忆网络对编码后的128个输出和第二全连接神经网络的128个输出进行解码处理，得到解码后的128个输出；将解码后的128个输出作为第三全连接神经网络的输入；通过第三全连接神经网络输出预设的状态量维数。