CN119476038A 一种基于内嵌数理知识神经密度场的小行星引力场重建方法 （北京航空航天大学）

一种基于内嵌数理知识神经密度场的小行本发明涉及一种基于内嵌数理知识神经密先验信息，对于密度函数求解器的结果进行筛拉普拉斯方程并使用数值积分计算星体外部空星体内部空间点密度，得到小行星内部密度分2立方体空间中采用数值积分方法对目标点进行引力加速度及2.根据权利要求1所述的基于内嵌数理知识神经密度场的小行星引力场重建方法，其基于小行星质点群模型，利用质点的万有引力公式和数值积分计,,其中，v是数据点处的引力势函数，a是数据点处的引力加速度，G表示万有引力常搭建多层多节点的MLP网络作为密度函数求解器，MLP即3.根据权利要求2所述的基于内嵌数理知识神经密度场的小行星引力场重建方法，其3首先将整个的采样空间是在三个维度上归一化到的超立方体空间：,其中，*an是数据集中最小值，是数据集中最大值，是归一化后的空间点坐,,在采样空间归一化后，再对归一化后的位置坐标进例因子的值在o,1，用于表示最小半径占最大半径的比例，然后在[minimal_radius_,,其中，theta是围绕z轴的角度，phi是从z轴到点的角度，r是目标点半径，(x,9,z)是目4.根据权利要求3所述的基于内嵌数理知识神经密度场的小行星引力场重建方法，其首先利用小行星视觉三维模型，将其引入作为星体边界，得而后基于定义的网格分辨率，将超立方体空间均匀划分为算法计算这些格点在星体外壳内部还是外部，Moller_Trumbore算法通过线性代数的方法45.根据权利要求4所述的基于内嵌数理知识神经密度场的小行星引力场重建方法，其通过基于MLP网络的密度函数求解器计算超立方体空间内网格格点的密度值，其中基,6.根据权利要求5所述的基于内嵌数理知识神经密度场的小行星引力场重建方法，其首先通过自动微分模块构建偏微分方程求解器，利用偏微分,,7.根据权利要求6所述的基于内嵌数理知识神经密度场的小行星引力场重建方法，其,5,,i个目标点相对坐标原点的空间位置坐标，i为网络计算的引力势，v为真实引力势，vi为网络预测的引力势对数据点位置的二阶梯度；,8.根据权利要求7所述的基于内嵌数理知识神经密度场的小行星引力场重建方法，其6[0007]本发明的技术解决方案为一种基于内嵌数理知识神经密度场的小行星引力场重7立方体空间中采用数值积分方法对目标点进行引力加速度及[0012]图1为本发明一种基于内嵌数理知识神经密度场的小行星引力场重建方法流程[0014]如图1所示，本发明的一种基于内嵌数理知识神经密度场的小行星引力场重建方8立方体空间中采用数值积分方法对目标点进行引力加速度及,,所需结果。本方法使用的MLP网络使得小行星质点群模型能够实现从空间位置到空间点密,,9,,,其中，theta是围绕z轴的角度，phi是从z轴到点的角得到超立方体空间内任意点的信息，首先根据得到网格格点的密度大小，使用Moller_Trumbore算法计算这些格点在星体外壳内部还是外部。Moller_Trumbore算法是一种用于,中的自动微分模块来自于pytorch中的autograd函数功能，它使用动态计算图来自动计算,,,密度