R&D网络风险相继传播模型构建及仿真

基于风险矩阵和风险来源两个维度识别出R&D网络的不同风险类型. 从节点风险负荷、风险阈值和失效节点如何影响邻居节点三个方面入手，构建了R&D网络风险相继传播的动力学模型，并对该理论模型进行了仿真. 仿真结果发现风险相继传播过程可在短时间内迅速完成，R&D网络的抗风险能力与各节点企业风险阈值分布的平均程度正相关，而与网络平均度无关，外源性风险比内源性风险对网络的破坏力更大，度大袭击与随机袭击比度小袭击更易于导致网络崩溃. 该研究成果对提高R&D网络的抗风险能力、保持其健康持续发展具有重要启示.     

基于时空关联网络的机场机位运行过程建模

为了提高机场机位运行效率, 对机位运行过程进行精确分析描述。在分析机场进出港航班机位运行流程的基础上, 将机位运行过程抽象为时空关联网络，定性描述航班与机位的逻辑关系, 使用航班时间窗、机位地理位置等特征参数定量描述机位运行信息, 由此构建一种基于时空关联网络的机场机位运行过程定量描述模型。利用国内某大型枢纽机场实际机位运行数据对所提模型进行分析验证, 结果显示，时空关联网络模型符合幂律分布, 58.62%的节点平均误差为0.172 4 h, 节点度分布均值为0.666 7, 聚集系数均值为0.807 5。节点度分布较高和聚类系数较高的节点为关键节点, 对应影响力较大的关键航班；较现有模型, 描述态势信息的宏观微观特征参数提升了场景描述精度并能有效适应数据规模的变化。     

竞合视角下研发网络关系风险相继传播模型构建与仿真

在考虑研发网络企业间同时存在合作关系与竞争关系的基础上,引入风险恢复因子,从节点企业风险负荷的定义、阈值的确定,失效后如何影响邻居节点企业三个方面构建了RD网络的风险传播模型,并进行了仿真.结果表明:在竞合的RD网络中,关系风险可以在很短的时间内快速完成传播,三类关系风险中,机会主义风险最易发生影响范围更广泛;竞争企业占RD网络规模的比例越大,竞争程度越激烈,关系风险的传播速度越快和影响范围越大;关系风险传播过程中,合作程度与竞争程度对风险传播都具有重要的影响,且合作程度比竞争程度对风险传播的影响更大;研发网络存在最佳的风险恢复水平,使得风险不再发生相继传播.该研究成果对于RD网络抗风险能力的提高具有重要意义.     

基于超网络的海关物流监控风险管理方法优化研究

为应对日益增多的国际物流风险,基于超网络理论及方法构建了海关物流监控超网络(CLMSN),创建了两个考虑了超网络节点静态维度和动态维度特性的风险判定指标,提出了一种高风险节点评判算法。通过算例验证了该算法能够识别判定CLMSN中的高风险节点。采用此算法判定高风险节点并优先实施重点监控能够控制风险发生及传播的可能性,从而对目前海关物流监控风险管理进行有效优化。     

基于贝叶斯学习的复杂系统研制风险演化分析

大型复杂装备的系统结构和研制流程呈现网络化特征,研究风险演化机理有助于控制风险、降低复杂性.通过系统动态过程建模仿真获取数据样本,运用贝叶斯学习从仿真数据样本中提炼风险演化网络,识别不同风险等级的节点之间存在的关联关系,降低了仅凭经验构建风险网络的主观性.对贝叶斯学习获得的风险网络进行概率推理,在总体高风险等级下计算风险网络节点的风险后验概率分布,进而确定风险演化关键节点和传播链路.最后,通过与复杂网络特征指标评估下的静态特征进行对比分析,研究风险网络动态特征与静态特征的差异性,结果表明网络结构特征和风险传播的动态特征共同决定了风险演化关键节点和传播链路.     

大面积航班延误发生的预测方法

针对现有航班延误预测较少从网络层面分析的问题,提出一种研究空中交通网络流系统中大面积航班延误发生的预测办法。首先,从空中交通网络流系统角度界定大面积航班延误。其次,基于SEIR模型的基本思想,将节点的状态分为正常、延误、延误传播及恢复四种,并建立大面积航班延误传播模型,给出预测大面积航班延误能否发生的方法:通过计算某时段各状态节点转化的各个参数,得出基本再生数的值,根据其值判断下一时段大面积航班延误是否会发生。最后,以2018年冬春航季发生的某次大面积航班延误为例进行验证,结果表明,计算基本再生数可预测大面积航班延误能否发生。     

基于数据场的复杂网络节点影响力建模与仿真

复杂网络节点影响力的研究是数据挖掘的重要组成部分。挖掘出复杂网络中有影响力的节点不仅具有重要的学术意义,且有助于抑制流行病的爆发、控制谣言的传播和推广电子商务产品等。通过选取每个节点的混合度分解值(Mixed Degree Decomposition,MDD)作为质量,将复杂网络抽象为数据场,结合数据场模型来识别有影响力的节点,并与一些著名的节点中心性方法进行对比。使用经典的传染病模型(Susceptible-Infected-Recovered,SIR)通过对比感染节点的数量来评估仿真性能。对实际网络的仿真实验结果表明,数据场模型能够有效的识别网络中有影响力的节点。     

节点重要度贡献的复杂网络节点重要度评估方法

引入m阶邻居节点的概念,提出了一种基于m阶邻居节点重要度贡献的复杂网络节点重要度方法,并引入α和γ两个参数,用于调节节点重要度评估对节点自身特性及m阶邻居节点的依赖程度。综合考虑了节点自身及1到m阶邻居节点的重要度贡献。为检验算法的有效性,采用ARPA网络拓扑并针对算法在不同m取值条件下的节点重要度情况进行了评估。评估结果显示,与度值法、介数法、节点删除法等评估方法相比,具有更高的评估精度,能显著地区分复杂网络中节点之间的重要性差异,能准确地确定网络中关键节点,保证节点重要度评估的准确性;此外,实验结果还揭示了一个重要动力学现象,即当邻居节点所考察的深度m值大于网络的平均路径长度L时,该方法可得到可靠且精度较高的评估结果。     

基于节点复合特性的端-边协同网络生成算法

针对智慧交通系统数据处理量大、对传输时间要求严苛的难题，通过将协同系统定义为复杂网络模型，构建了设备端和边缘节点协作运行的端-边协同系统。提出了基于网络节点复合特性的协作网络生成算法，实现了多层复杂网络的构建。相比随机几何法，提出的由节点聚类系数和介数中心性两种特性参数相结合的协作网络生成算法能够更全面地描述节点特性，反映节点重要性，改善现有多层复杂网络模型对节点信息描述不全的问题。最后，使用4种复杂网络模型构建多层网络模型并验证该算法，以节点间最短路径值作为评价指标，证明提出的由节点复合特性生成协作网络的算法能够明显降低整个网络中节点间最短路径值，减少传输时间，提高传输效率。     

具有非一致传播率的无标度网络谣言传播模型

考虑到实际复杂网络中的个体对于谣言的免疫存在差异的情况,通过引入谣言接受度函数,描述不同节点的非一致性传播率。基于平均场理论,建立具有非一致传播率的无标度网络谣言传播模型,研究了无标度网络上的谣言传播行为。理论分析和仿真实验表明,节点对谣言接受度的差异可导致谣言传播速度减缓,传播规模减小,同时谣言在无标度网络上的传播阈值明显增加,可以有效抑制谣言的爆发和降低谣言传播的风险。     

基于智能天线的多跳空分复用蜂窝网容量分析

为了提高无线频谱效率,多跳蜂窝系统中多跳与蜂窝系统需要使用相同的频率资源。采用频率空分复用技术和智能天线技术降低节点间的干扰,通过设置不同的频率复用因子,并根据网络节点分布确定多跳节点的间距,为系统带来不同的容量增益。结果表明,空分复用和智能天线技术大大提高了多跳蜂窝系统的容量。     

基于加权路由策略的复杂网络拥塞控制研究

复杂网络的最短路由策略易导致网络吞吐量低,流量分布不均,在关键节点处产生拥塞.本文提出一种基于加权路由策略的拥塞控制机制,用节点的介数作为节点边的权重,将网络变成加权网络,数据包按加权网络最短路径路由.介数的计算采用基于区域中心节点近似估算法,降低了介数计算的复杂度.仿真结果表明,加权路由策略能有效避开拥塞程度严重的节点,克服了介数较大节点成为网络传输瓶颈的问题,显著改善了网络的拥塞情况,提高了网络的吞吐量和传输能力.     

基于相依网络和SVM的管制系统运行态势评估

客观准确地评估管制系统整体的运行态势, 能够帮助管制员从宏观上掌控管制系统的运行状态, 针对这一问题本文提出了一种基于相依网络和支持向量机(support vector machine, SVM)的管制系统运行态势评估方法。使用管制-飞行状态相依网络模型来代表管制系统, 充分考虑了空中航空器与地面管制员的整体状态, 采用相依网络指标描述网络运行态势。评估方法选择SVM, 将运行态势评估问题转化为分类问题, 以点到运行顺畅分类边界的距离作为指标从整体上评估管制系统的运行态势, 降低了主观因素对评估方法的影响。仿真分析与在长水机场的实例分析结果均表明: 该评估方法能够给出具体的管制系统运行态势值, 为管制员提供客观准确的态势信息。     

Trajectory linearization control of an aerospace vehicle based on RBF neural network

An enhanced trajectory linearization control （TLC） structure based on radial basis function neural network （RBFNN） and its application on an aerospace vehicle （ASV） flight control system are presensted. The influence of unknown disturbances and uncertainties is reduced by RBFNN thanks to its approaching ability, and a robustifying itera is used to overcome the approximate error of RBFNN. The parameters adaptive adjusting laws are designed on the Lyapunov theory. The uniform ultimate boundedness of all signals of the composite closed-loop system is proved based on Lyapunov theory. Finally, the flight control system of an ASV is designed based on the proposed method. Simulation results demonstrate the effectiveness and robustness of the designed approach.     

Trajectory linearization control of an aerospace vehicle based on RB F neural network

An enhanced trajectory lineazization control(TLC)structure based on radial basis function neural network(RBFNN)and its application on an aerospace vehicle(ASV)flight control system are presensted.The influence of unknown disturbances and uncertainties is reduced by RBFNN thanks to its approaching ability,and a robustifying item is used to overcome the approximate error of RBFNN.The parameters adaptive adjusting laws are designed on the Lyapunov theory.The uniform ultimate boundedness of all signals of the composite closed-loop system is proved based on Lyapunov theory.Finally,the flight control system of an ASV is designed based on the proposed method.Simulation results demonstrate the effectiveness and robustness of the designed approach.     

最优线性网络编码的分布式构造方法

针对单源组播网络,在合理的假设条件下,提出了最优线性网络编码(在吞吐率最大的前提下编码代价最小)的分布式构造方法。首先对线性网络编码的机理进行分析,得出了不同组播率下编码方案间的内在联系,导出了一个在线测试组播容量的策略;提出的方法以遗传算法为搜索引擎,结合随机线性网络编码,嵌入了在线测试组播容量的策略。通过合理地设计编码系数的生成规则和进化策略,在获得最大吞吐率前提下达到最小编码信道数的同时,构造出相应的编码方案,且编码系数保存在各节点中,从而可以采用确定性网络编码数据传输策略传输数据。仿真结果表明提出的方法是有效的。     

基于神经网络的飞控系统实时容错设计与仿真

为了提高系统的可靠性与容错能力,提出了基于径向基神经网络的飞行控制系统传感器实时容错策略.利用改进的梯度下降优化算法来设计神经网络,以提高网络的学习速度和映射能力;基于网络的逼近性能,建立在线神经网络辨识模型;考虑到系统闭环反馈与实时控制的特性,使用多个辨识模型的信息进行传感器故障的定位和信号重构.应用某型飞机进行仿真,在保证闭环系统稳定的前提下,实现了传感器的在线故障隔离与信号重构,达到了预期的效果.