所屬的技術(shù)人員知道，本發(fā)明可以實現(xiàn)為系統(tǒng)、方法或計算機程序產(chǎn)品，因此，本公開可以具體實現(xiàn)為以下形式，即：可以是完全的硬件、也可以是完全的軟件(包括固件、駐留軟件、微代碼等)，還可以是硬件和軟件結(jié)合的形式，本文一般稱為“電路”、“模塊”或“系統(tǒng)”。此外，在一些實施例中，本發(fā)明還可以實現(xiàn)為在一個或多個計算機可讀介質(zhì)中的計算機程序產(chǎn)品的形式，該計算機可讀介質(zhì)中包含計算機可讀的程序代碼?？梢圆捎靡粋€或多個計算機可讀的介質(zhì)的任意組合。計算機可讀介質(zhì)可以是計算機可讀信號介質(zhì)或者計算機可讀存儲介質(zhì)。計算機可讀存儲介質(zhì)例如可以是一一但不限于——電、磁、光、電磁、紅外線、或半導體的系統(tǒng)、裝置或器件，或者任意以上的組合。計算機可讀存儲介質(zhì)的更具體的例子(非窮舉的列表)包括：具有一個或多個導線的電連接、便攜式計算機磁盤、硬盤、隨機存取存儲器(ram)，只讀存儲器(rom)、可擦式可編程只讀存儲器(eprom或閃存)、光纖、便攜式緊湊磁盤只讀存儲器(cd-rom)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。在本技術(shù)中，計算機可讀存儲介質(zhì)可以是任何包含或存儲程序的有形介質(zhì)，該程序可以被指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用。盡管上面已經(jīng)示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領域的普通技術(shù)人員在本發(fā)明的范圍內(nèi)可以對上述實施例進行變化、修改、替換和變型。

背景技術(shù)：

1、小天體是太陽系形成的早期遺留物，其較好地保存了太陽系形成的早期信息。通過對小天體探索能幫助我們更好地了解小天體本身的特性和演化歷史，以及太陽系的形成和演化過程。對小天體的深入研究對于未來的太空探索和發(fā)展具有重要的意義。

2、小天體探測中，航天器動力學環(huán)境十分復雜，小天體重力場是探測任務中需要獲得的重要先驗信息之一，它影響著探測器軌道設計、飛行控制及著陸采樣。目前傳統(tǒng)小天體重力場的構(gòu)建方法包括球諧函數(shù)法、質(zhì)量瘤法(mascons)、多面體法和插值法等。球諧函數(shù)通過一組球諧系數(shù)來表示小天體的重力場，常用于重力場反演中。mascons法通過一組等密度的質(zhì)量元來填充小天體，所有質(zhì)量元的質(zhì)量和等于小天體總質(zhì)量。多面體法利用高斯公式和格林公式將重力勢中的體積分最終化為多面體棱邊的線積分。和大天體不同，小天體外部重力場一般較弱，已有研究采用待估計點與周圍已知點的聯(lián)系對待估計點進行插值的方法來計算小天體外部加速度。

3、球諧函數(shù)法是對重力場的級數(shù)逼近建模方法，該方法存在布里淵球內(nèi)不收斂問題，這極大限制了其在探測器抵近探測、采樣以及著陸等任務中的應用。mascons法為離散化的重力場計算方法，其精度受填充率以及模型逼近的影響，而且重力場構(gòu)建過程中由于mascon點求和會造成誤差項的累加。多面體法需采用均一密度假設，由于多面體法計算每個點都需要對三維模型的所有面和邊做一次積分，因此多面體模型的計算成本隨著模型邊和面數(shù)目的增加而急劇升高；而對于形狀復雜的小天體而言，模型面數(shù)量要求較高，因此計算效率較低。插值法通常會對數(shù)據(jù)進行平滑處理，以獲得更連續(xù)的曲線，因此可能會平滑掉小天體局部引力特征，導致對小天體加速度的估計不準確，若要提高插值精度可以引入形狀模型或者采取小范圍插值的方式。

4、因此，針對傳統(tǒng)小天體重力加速度插值法計算局限性，亟需提供一種技術(shù)方案解決上述問題。

技術(shù)實現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提供了一種基于插值神經(jīng)網(wǎng)絡的小天體外部重力加速度預測方法。

2、第一方面，本發(fā)明提供一種基于插值神經(jīng)網(wǎng)絡的小天體外部重力加速度預測方法，該方法的技術(shù)方案如下：

3、以目標小天體外部的樣本點對應的坐標增量為輸入、樣本點的重力加速度測量值為標簽，對用于預測小天體外部點重力加速度的插值神經(jīng)網(wǎng)絡進行迭代訓練，得到目標插值神經(jīng)網(wǎng)絡；其中，所述目標小天體外部的任一樣本點對應的坐標增量為該樣本點的直角坐標與周圍其余已知樣本點的直角坐標之間的坐標增量；

4、將所述目標小天體外部的待測點的坐標增量輸入所述目標插值神經(jīng)網(wǎng)絡，得到所述待測點的重力加速度預測值。

5、本發(fā)明的一種基于插值神經(jīng)網(wǎng)絡的小天體外部重力加速度預測方法的有益效果如下：

6、本發(fā)明的方法能夠?qū)崿F(xiàn)對小天體外部的待測點重力加速度的快速精確計算，可以減少了重力場的建模時間。

7、在上述方案的基礎上，本發(fā)明的一種基于插值神經(jīng)網(wǎng)絡的小天體外部重力加速度預測方法還可以做如下改進。

8、在一種可選的方式中，以目標小天體外部的樣本點對應的坐標增量為輸入、樣本點的重力加速度測量值為標簽，對用于預測小天體外部點重力加速度的插值神經(jīng)網(wǎng)絡進行迭代訓練，得到目標插值神經(jīng)網(wǎng)絡的步驟，包括：

9、將所述目標小天體外部的任一樣本點對應的坐標增量輸入至所述插值神經(jīng)網(wǎng)絡，得到所述任一樣本點的重力加速度預測值，并根據(jù)所述任一樣本點的重力加速度預測值與重力加速度測量值，確定所述任一樣本點的損失值，直至確定所述目標小天體外部的每個樣本點的損失值；

10、基于所有的損失值，對所述插值神經(jīng)網(wǎng)絡進行參數(shù)優(yōu)化，得到優(yōu)化后的插值神經(jīng)網(wǎng)絡，并將所述優(yōu)化后的插值神經(jīng)網(wǎng)絡作為所述插值神經(jīng)網(wǎng)絡并返回執(zhí)行將所述目標小天體外部的任一樣本點對應的坐標增量輸入至所述插值神經(jīng)網(wǎng)絡的步驟，直至當所述優(yōu)化后的插值神經(jīng)網(wǎng)絡符合迭代訓練條件時，將所述優(yōu)化后的插值神經(jīng)網(wǎng)絡確定為所述目標插值神經(jīng)網(wǎng)絡。

11、在一種可選的方式中，所述插值神經(jīng)網(wǎng)絡包括：廣義距離模塊和隱藏層模塊；將所述目標小天體外部的任一樣本點對應的坐標增量輸入至所述插值神經(jīng)網(wǎng)絡，得到所述任一樣本點的重力加速度預測值的步驟，包括：

12、將所述目標小天體外部的任一樣本點對應的坐標增量輸入至所述廣義距離模塊，得到所述任一樣本點的廣義空間距離值并輸入至隱藏層模塊，得到所述任一樣本點的空間權(quán)重值；

13、根據(jù)所述任一樣本點的空間權(quán)重值、所述任一樣本點的其余周圍已知樣本點對應的系數(shù)與外部重力加速度測量值，得到所述任一樣本點的重力加速度預測值。

14、在一種可選的方式中，獲取每個樣本點的重力加速度測量值的步驟，包括：

15、利用多面體法，分別計算每個樣本點的重力加速度測量值。

16、在一種可選的方式中，確定所述目標小天體外部的樣本點的步驟，包括：

17、利用球采樣法，獲取所述目標小天體周圍預設范圍內(nèi)的多個外部點；

18、將每個外部點的球坐標值轉(zhuǎn)換為直角坐標值，并將直角坐標值位于所述目標小天體外部的外部點確定為樣本點。

19、第二方面，本發(fā)明提供一種基于插值神經(jīng)網(wǎng)絡的小天體外部重力加速度預測系統(tǒng)，該系統(tǒng)的技術(shù)方案如下：

20、包括：訓練模塊和預測模塊；

21、所述訓練模塊用于：以目標小天體外部的樣本點對應的坐標增量為輸入、樣本點的重力加速度測量值為標簽，對用于預測小天體外部點重力加速度的插值神經(jīng)網(wǎng)絡進行迭代訓練，得到目標插值神經(jīng)網(wǎng)絡；其中，所述目標小天體外部的任一樣本點對應的坐標增量為該樣本點的直角坐標與周圍其余已知樣本點的直角坐標之間的坐標增量；

22、所述預測模塊用于：將所述目標小天體外部的待測點的坐標增量輸入所述目標插值神經(jīng)網(wǎng)絡，得到所述待測點的重力加速度預測值。

23、本發(fā)明的一種基于插值神經(jīng)網(wǎng)絡的小天體外部重力加速度預測系統(tǒng)的有益效果如下：

24、本發(fā)明的系統(tǒng)能夠?qū)崿F(xiàn)對小天體外部的待測點重力加速度的快速精確計算，可以減少了重力場的建模時間。

25、在上述方案的基礎上，本發(fā)明的一種基于插值神經(jīng)網(wǎng)絡的小天體外部重力加速度預測系統(tǒng)還可以做如下改進。

26、在一種可選的方式中，所述訓練模塊包括：第一訓練模塊和第二訓練模塊；

27、所述第一訓練模塊用于：將所述目標小天體外部的任一樣本點對應的坐標增量輸入至所述插值神經(jīng)網(wǎng)絡，得到所述任一樣本點的重力加速度預測值，并根據(jù)所述任一樣本點的重力加速度預測值與重力加速度測量值，確定所述任一樣本點的損失值，直至確定所述目標小天體外部的每個樣本點的損失值；

28、所述第二訓練模塊用于：基于所有的損失值，對所述插值神經(jīng)網(wǎng)絡進行參數(shù)優(yōu)化，得到優(yōu)化后的插值神經(jīng)網(wǎng)絡，并將所述優(yōu)化后的插值神經(jīng)網(wǎng)絡作為所述插值神經(jīng)網(wǎng)絡并返回調(diào)用所述第一訓練模塊，直至當所述優(yōu)化后的插值神經(jīng)網(wǎng)絡符合迭代訓練條件時，將所述優(yōu)化后的插值神經(jīng)網(wǎng)絡確定為所述目標插值神經(jīng)網(wǎng)絡。

29、在一種可選的方式中，所述插值神經(jīng)網(wǎng)絡包括：廣義距離模塊和隱藏層模塊；所述第一訓練模塊中的將所述目標小天體外部的任一樣本點對應的坐標增量輸入至所述插值神經(jīng)網(wǎng)絡，得到所述任一樣本點的重力加速度預測值的步驟，包括：

30、將所述目標小天體外部的任一樣本點對應的坐標增量輸入至所述廣義距離模塊，得到所述任一樣本點的廣義空間距離值并輸入至隱藏層模塊，得到所述任一樣本點的空間權(quán)重值；

31、根據(jù)所述任一樣本點的空間權(quán)重值、所述任一樣本點的周圍其余已知樣本點對應的系數(shù)與外部重力加速度測量值，得到所述任一樣本點的重力加速度預測值。

32、第三方面，本發(fā)明的一種電子設備的技術(shù)方案如下：

33、包括存儲器、處理器及存儲在所述存儲器上并在所述處理器上運行的程序，所述處理器執(zhí)行所述程序時實現(xiàn)如本發(fā)明的基于插值神經(jīng)網(wǎng)絡的小天體外部重力加速度預測方法的步驟。

34、第四方面，本發(fā)明提供的一種計算機可讀存儲介質(zhì)的技術(shù)方案如下：

35、計算機可讀存儲介質(zhì)中存儲有指令，當計算機可讀存儲介質(zhì)讀取所述指令時，使所述計算機可讀存儲介質(zhì)執(zhí)行如本發(fā)明的基于插值神經(jīng)網(wǎng)絡的小天體外部重力加速度預測方法的步驟。

36、上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。