本发明涉及飞行器控制，特别涉及一种飞行器的剩余时间预测方法、系统、设备与介质。
背景技术：
1、为了提升飞行器的工作效能，需要将其在规定时间内导向目标。为此，需要控制飞行器的剩余时间，并且对控制精度有较高要求。
2、飞行器装载脉冲发动机，可以通过改变脉冲发动机点火时间来控制飞行器的剩余时间。但是飞行器飞行环境复杂，受到各种扰动，很难找到一个解析式来准确表达脉冲发动机点火时间与剩余时间之间的关系。
3、现有的估计飞行器剩余时间的方法最常用的是用实时相对距离除以实时相对距离变化率，该估计方法十分简单，在诸多需要剩余时间信息的场景中得到了广泛应用。然而，在实际工作场景中，当各飞行器机动较大时，飞行航迹较为弯曲，瞬时剩余时间估计法误差较大，该方法未考虑不同制导律和目标机动模式的差异化影响，可靠性难以保证。
技术实现思路
1、本发明的目的在于针对上述现有技术的不足，提供一种飞行器的剩余时间预测方法、系统、设备与介质，以解决现有技术中当各飞行器机动较大时，飞行航迹较为弯曲，瞬时剩余时间估计法误差较大，该方法未考虑不同制导律和目标机动模式的差异化影响，方法的收敛性和可靠性难以保证的问题。
2、本发明具体提供如下技术方案：一种飞行器的剩余时间预测方法，包括如下步骤：
3、从多种干扰条件的航迹仿真中获得航迹数据，并获取真实航迹中的期望剩余时间；其中所述航迹数据包括飞行器状态变量和飞行器脉冲发动机点火时间；
4、将所述航迹数据输入神经网络模型中，通过神经网络模型对航迹数据逐层处理，通过飞行器状态变量和飞行器脉冲发动机点火时间的关系获得预测剩余时间，并将最后一层获取的预测剩余时间与期望剩余时间进行比较，获得预测剩余时间和期望剩余时间之间的误差；
5、根据所述误差获得神经网络模型中每个神经元权重对误差的贡献，通过所述贡献更新所述神经元权重；
6、将权重更新后的神经网络模型嵌入飞行器模型中，并在飞行器仿真飞行过程中根据期望剩余时间获得飞行器脉冲发动机点火的剩余时间。
7、优选的，将所述航迹数据输入神经网络模型中时，所选取的飞行器状态变量包括飞行器脉冲发动机工作结束时刻的状态，即马赫数ma、航迹倾角θ、航迹偏角ψv和相对距离(xr,yr,zr)，xr、yr和zr分别为x、y和z轴方向的坐标。
8、优选的，所述通过飞行器状态变量和飞行器脉冲发动机点火时间的关系获得预测剩余时间，具体表达式为：
9、tgo＝net(ma,θ,ψv,xr,yr,zr,t)
10、其中，tgo为预测剩余时间，t为飞行器脉冲发动机点火时间。
11、优选的，所述通过飞行器状态变量和飞行器脉冲发动机点火时间的关系获得预测剩余时间后，通过飞行器脉冲发动机点火的剩余时间获取飞行器脉冲发动机点火时间，包括如下步骤：
12、在飞行器模型中脉冲发动机工作时间结束时，测得相应的状态变量马赫数ma、航迹倾角θ、航迹偏角ψv和相对距离(xr,yr,zr)；
13、将脉冲发动机点火时间在时间阈值范围t1到tn内遍历，获取飞行器脉冲发动机点火的预测剩余时间，具体表达式为：
14、tgom＝net(ma,θ,ψv,xr,yr,zr,t)，t＝t1,t2,...,tn
15、其中，m＝1或m＝2；
16、遍历直至找到满足下式的时间阈值范围tk和tk+1，具体表达式为：
17、
18、其中，和分别为m＝1和m＝2时的飞行器脉冲发动机点火的预测剩余时间；
19、通过插值运算获得期望剩余时间对应的脉冲发动机点火时间texpect，具体表达式为：
20、
21、其中，tk为小于期望剩余时间时的飞行器脉冲发动机点火的剩余时间，tk+1为大于期望剩余时间时的飞行器脉冲发动机点火的剩余时间。
22、优选的，所述通过神经网络模型对航迹数据逐层处理时，还需通过航迹数据与神经元权重关系进行预测剩余时间的获取。
23、优选的，所述神经网络模型选取的隐藏层与输出层之间激活函数为双曲正切函数tanh。
24、优选的，所述从多种干扰条件的航迹仿真中获得航迹数据时，需对各种干扰情况进行遍历，进行航迹仿真，并保存航迹数据。
25、本发明还提供一种飞行器的剩余时间预测系统，包括：
26、数据采集模块，用于从多种干扰条件的航迹仿真中获得航迹数据，并获取真实航迹中的期望剩余时间；其中所述航迹数据包括飞行器状态变量和飞行器脉冲发动机点火时间；
27、误差计算模块，用于将所述航迹数据输入神经网络模型中，通过神经网络模型对航迹数据逐层处理，通过飞行器状态变量和飞行器脉冲发动机点火时间的关系获得预测剩余时间，并将最后一层获取的预测剩余时间与期望剩余时间进行比较，获得预测剩余时间和期望剩余时间之间的误差；
28、权重更新模块，用于根据所述误差获得神经网络模型中每个神经元权重对误差的贡献，通过所述贡献更新所述神经元权重；
29、点火时间预测模块，用于将权重更新后的神经网络模型嵌入飞行器模型中，并在飞行器仿真飞行过程中根据期望剩余时间获得飞行器脉冲发动机点火的剩余时间。
30、本发明还提供一种计算机设备，包括存储器及处理器，所述存储器中储存有程序，所述程序被所述处理器执行时，使得所述处理器执行所述一种飞行器的剩余时间预测方法的步骤。
31、本发明还提供一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述的一种飞行器的剩余时间预测方法的步骤。
32、与现有技术相比，本发明具有如下显著优点：
33、本发明利用神经网络对飞行器的剩余时间进行预测，将飞行器状态变量和飞行器脉冲发动机点火时间作为输入，预测剩余时间作为输出，训练网络模型，更加准确地预测飞行器的剩余时间，从而根据期望剩余时间得到飞行器脉冲发动机点火时间，得到的剩余时间考虑了飞行过程中的干扰，更加贴近实际情况，得到的剩余时间更加准确，从而能够更好地控制飞行器的落地时间，将其在规定时间内导向目标，将其在规定时间内导向目标，提高其可靠度。
1.一种飞行器的剩余时间预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种飞行器的剩余时间预测方法，其特征在于，将所述航迹数据输入神经网络模型中时，所选取的飞行器状态变量包括飞行器脉冲发动机工作结束时刻的状态，即马赫数ma、航迹倾角θ、航迹偏角ψv和相对距离(xr,yr,zr)，xr、yr和zr分别为x、y和z轴方向的坐标。
3.如权利要求2所述的一种飞行器的剩余时间预测方法，其特征在于，所述通过飞行器状态变量和飞行器脉冲发动机点火时间的关系获得预测剩余时间，具体表达式为：
4.如权利要求3所述的一种飞行器的剩余时间预测方法，其特征在于，所述通过飞行器状态变量和飞行器脉冲发动机点火时间的关系获得预测剩余时间后，通过飞行器脉冲发动机点火的剩余时间获取飞行器脉冲发动机点火时间，具体包括如下步骤：
5.如权利要求1所述的一种飞行器的剩余时间预测方法，其特征在于，所述通过神经网络模型对航迹数据逐层处理时，还需通过航迹数据与神经元权重关系进行预测剩余时间的获取。
6.如权利要求1所述的一种飞行器的剩余时间预测方法，其特征在于，所述神经网络模型选取的隐藏层与输出层之间激活函数为双曲正切函数tanh。
7.如权利要求1所述的一种飞行器的剩余时间预测方法，其特征在于，所述从多种干扰条件的航迹仿真中获得航迹数据时，需对各种干扰情况进行遍历，进行航迹仿真，并保存航迹数据。
8.一种飞行器的剩余时间预测系统，其特征在于，包括：
9.一种计算机设备，其特征在于，包括存储器及处理器，所述存储器中储存有程序，所述程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述一种飞行器的剩余时间预测方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的一种飞行器的剩余时间预测方法的步骤。
