基于定时的航空集群机载网络更新方法

针对当前异步网络更新方法更新时间长且无法避免更新死锁的问题, 为降低更新期间的网络性能损失, 提出一种基于定时的航空集群机载网络更新方法。考虑真实的链路时延, 将时间参数与更新依赖图相结合。首先,构建基于时间的更新依赖图。其次,设计贪婪调度算法为每个更新操作分配更新时间步。最后,实现定时网络更新, 避免了异步更新中的更新顺序协调。仿真实验表明, 与现有异步更新方法相比, 所提定时更新方法能够降低50%~60%的更新时间, 减少网络更新期间的更新死锁率和网络拥塞。     

基于随机Petri网的机载软件更新系统性能评价

近年来,航电系统发展的趋势由联合式航电系统向综合化航电系统逐步演进,许多应用将原来专用集成电路实现的功能采用软件实现。软件更新系统在机载航电系统中的地位日益重要。提出了一种高效机载软件更新系统OBSUS,并运用随机Petri网理论对其性能评价。首先,提出了OBSUS的系统结构与组件间的通信协议。其次,根据OBSUS的系统结构与通信协议,建立了系统的随机Petri网模型。最后,对随机Petri网模型进行了瞬态概率分析,针对影响系统的诸多因素,如flash芯片烧写时间、数据传输丢包率和数据传输速率等,对系统的综合性能的影响进行了量化分析。仿真研究结果对于机载软件更新系统的结构与数据传输协议设计,以及如何提高系统性能,具有较强的指导意义。     

软件定义航空集群机载网络自适应邻居探测方法

针对航空集群机载网络中优化链路状态路由(optimized link state routing, OLSR)协议周期固定式邻居探测方式不能及时获取节点邻居分布状况,导致路由可靠性不足问题,提出软件定义航空集群机载网络自适应邻居探测方法。首先在现有软件定义网络(software defined networking, SDN)架构基础上,提出航空集群机载网络架构并设计网络模型;其次设计待调节点集合选举算法,以节点移动距离为标准筛选待调节点集合;最后设计邻居探测周期分配算法,为待调节点分配邻居探测周期。通过SDN集中式高效地调整节点邻居探测周期,能够实现对邻节点分布状况的及时有效探知。仿真表明该方法能及时获取节点邻居分布状况,提高了数据包到达率并降低端到端时延和协议控制开销,增强了OLSR协议在航空集群机载网络中的可靠性。     

面向机载软件适航验证的灰盒测试方法

针对国内大飞机及新一代战机机载软件综合化、模块化的特点,根据机载软件适航验证要求,在分析传统黑、白盒测试方法与DO-178B《机载系统和设备合格审定的软件考虑》中软件验证要求适用性的基础上,应用灰盒理论,建立了满足软件适航验证要求的灰盒测试方法及其应用过程,并对该方法展开了分析,说明了其局限性,并对测试环境提出了新的需求。     

基于时间敏感软件定义网络的工业互联网时延优化方案

大规模工业通信网络中不同优先级的数据流量共同传输会导致网络拥塞、时延增大等问题,基于时间敏感软件定义网络(time sensitive software defined network, TSSDN)框架,提出一种网络时延优化方案。在数据链路层对工业网络中不同优先级的数据流量设计分类整形调度的增强型时间感知整形器(enhanced-time awareness shaper, E-TAS)算法,缩短网络排队时延,将最高优先级同步实时数据采取流预留的方式、将次优先级非同步实时数据采取帧抢占的方式进行调度,将低优先级非实时数据按其调度权重进行公平调度,同时在网络层结合使用基于时延的Dijkstra算法,缩短网络数据的传播时延。仿真结果表明,所提方案有效保证了不同优先级数据流量的时延要求,实现了网络总时延性能的优化。     

航空电子系统SCI网络可靠性建模研究

针对航空电子系统对网络互连技术有严格实时要求的特点,首先建立了可扩展一致性接口(scalableco herentinterface,SCI)网络中的任务模型,然后通过在网络系统可靠性模型引入时间权函数建立了基于实时任务的SCI网络可靠性模型,得出了系统的可靠性矩阵,最后针对联合先进攻击技术(JAST)航空电子结构中SCI蝶型网络给出了建模实例。     

软件定义云边协同架构下的水下监测新机制

传统基于硬件的水声传感器网络(underwater acoustic sensor networks, UASNs)架构灵活性及可控性较差,难以满足水下多样化监测任务的需求。针对此问题,提出基于边缘计算的水下软件定义监测网络架构,并提出一种多级协同水下监测机制。该架构通过主从控制器将集中式云处理任务部署至边缘端,并对网络进行分级控制。该机制首先通过低轨遥感卫星进行大范围海洋监测,其次进行小范围监测,数据经原位处理及边缘处理后上传至水面进行分析,最后进行水下联合监测。仿真结果表明,所提出的监测架构和监测机制可降低异常数据处理时间成本和网络开销,在不同场景下的端到端延迟、网络能耗和包投递率方面都有良好的表现,提高了监测架构的灵活性。     

面向SDN的生存性虚拟网络映射算法

针对软件定义网络环境下生存性虚拟网络映射问题,提出了基于网络资源关键度的虚拟网络可靠性映射算法。该算法首先通过提出底层网络资源和拓扑重要度度量方式,构建资源关键度排序集合,同时备份控制网络,考虑到控制器位置部署,设置链路时延权重进行最短物理路径的选取,映射时依据位置约束进行虚网映射,在此基础上针对不同物理网络故障类型采用备份切换和可行迁移方式进行恢复,确保虚拟网络服务连续不间断。仿真结果表明,与以往算法相比,该算法在请求接受率、故障恢复率、底层网络整体负载均衡度以及平均控制延迟4个指标上具有更好的网络性能。     

基于选举的SDN机载网络控制器故障恢复机制

针对软件定义航空集群机载网络控制域内控制节点故障问题,将故障恢复问题转化为领导者选举问题,提出一种基于选举的软件定义机载网络控制器故障恢复机制,在控制域内选举传输节点作为新控制节点。为优化新控制节点性能,综合各传输节点平均传输时延、最大请求量和平均故障率3个参数计算传输节点的权值,根据权值定义选举优先级,并提出基于优先级的控制节点选举(priority-based control node election, PBCNE)算法。实验结果表明,与现有选举算法相比, PBCNE算法的复杂度(消息数和时间量)有了明显降低,有效减少了故障恢复时延,能够快速高效地恢复控制器故障。     

基于选举的SDN机载网络控制器故障恢复机制

针对软件定义航空集群机载网络控制域内控制节点故障问题,将故障恢复问题转化为领导者选举问题,提出一种基于选举的软件定义机载网络控制器故障恢复机制,在控制域内选举传输节点作为新控制节点。为优化新控制节点性能,综合各传输节点平均传输时延、最大请求量和平均故障率3个参数计算传输节点的权值,根据权值定义选举优先级,并提出基于优先级的控制节点选举(priority-based control node election, PBCNE)算法。实验结果表明,与现有选举算法相比, PBCNE算法的复杂度(消息数和时间量)有了明显降低,有效减少了故障恢复时延,能够快速高效地恢复控制器故障。     

基于SDN的卫星网络多QoS目标优化路由算法

针对传统卫星网络中业务类型多样化导致的网络配置复杂和业务服务质量(quality of service, QoS)无法得到有效保障的问题,研究了基于软件定义网络(software-defined networking, SDN)的卫星网络架构,提出了一种能够满足多种QoS需求的自适应路由算法。首先,建立了软件定义卫星网络多约束条件路由选择优化模型;然后,使用拉格朗日松弛法对模型进行松弛处理;最后,使用梯度法进行迭代求解,搜索出满足带宽、时延、丢包率等多种QoS的最优路径。研究结果表明,该优化算法在QoS满意度方面相比近地轨道卫星路由算法提高了64%,在时延满意度和丢包率满意度方面相比软件定义路由算法提高了28%。     

航空信息网络服务功能链协同构建与映射策略

针对任务时延敏感、资源承载有限的航空信息网络作战任务高效部署问题, 提出一种基于网络功能虚拟化的服务功能链协同构建和映射策略。该策略以平台和链路负载率为参考, 在确定服务功能所映射平台基础上, 通过服务链构建方案与网络资源状况相协调, 获得最佳服务链构建方案, 分别通过改进蚁群算法和广度优先搜索算法获得映射和构建结果。研究结果表明, 所提策略在时间复杂度较低条件下可有效提高任务请求接受率, 缩短任务平均等待时间, 在满足更多任务需求的同时保证任务的快速响应。     

标签分割的软件定义飞行自组网控制器智能部署方法

针对当前软件定义飞行自组网中多控制器部署面临的负载不均衡和网络可靠性问题, 提出一种标签分割的控制器智能部署方法。该方法能够在不预设控制器数量的条件下, 根据控制器容量约束和网络结构, 输出最佳控制器数量及部署位置。基于节点自身特征和关联特征赋予节点标签, 根据标签完成控制域划分并通过布谷鸟搜索算法优化划分过程。在此基础上,考虑控制器平均时延、负载差异度和控制域时延波动的影响, 确定控制器部署位置。仿真结果表明,所提算法能在保证网络可靠性的同时有效减少控制器数量, 降低部署成本; 同时, 降低控制器平均时延和负载差异度, 保证各控制域间平均时延的相对平衡, 实现网络均衡。     

使用高斯分布估计策略的改进樽海鞘群算法

针对樽海鞘群算法在求解复杂优化问题时存在种群多样性减弱、易于陷入局部最优等不足, 提出了一种使用高斯分布估计策略的改进樽海鞘群算法(salp swarm algorithm using elite pool strategy and Gaussian distribution estimation strategy, GDESSA)。首先提出一种精英池选择策略, 领导者位置在每次更新时随机从精英池中选择一个个体作为食物源, 增强领导者的探索能力, 丰富种群多样性。其次利用高斯分布估计策略对追随者公式进行改进, 通过拟合优势群体信息, 修正种群进化方向, 增强算法的寻优能力。使用CEC2017测试函数对改进算法进行测试, 并通过统计分析、收敛性分析、稳定性分析、Wilcoxon检验、Friedman检验、Iman-Davenport检验评估改进算法性能。仿真结果表明: 本文提出的改进策略能有效提高算法性能; 提出的改进算法相比其他算法, 具有更快的收敛速度和更好的收敛精度。     

Multilayered feed forward neural network based on particle swarmopti mizer algorithm

1 .INTRODUCTIONNowadays there are many algorithms used to trainand opti mize neural network.BPalgorithm,whichisbased on gradient vectors of nodes ,is the most popu-lar neural network training method. Once gradient in-formation is obtained, kinds of regression technologiesbased on gradient can be adopt to update parameters.However BP algorithm faces some problems :(1) speed of convergence ; (2) local mini ma ; (3)sensitivity of initial value ;(4) dependence on gradi-ent information. For s…