控制器故障下的软件定义机载网络数据平面迁移策略

软件定义网络（SDN）为突破机载网络功能僵化所造成的瓶颈提供了新的契机。针对软件定义机载网络控制域内控制节点故障问题,提出一种基于时延和负载均衡的传输节点迁移策略,将故障控制节点所管控数据平面中的传输节点迁移至其他正常控制节点,恢复网络的正常管控。以迁移时延和负载均衡率为目标,建立迁移优化模型,提出基于时延和负载均衡的传输节点迁移算法,指导数据平面中的迁移动作,最终对两个性能目标进行综合权衡。实验结果表明,与距离就近迁移（DCM）策略和分布式逐跳（DHA）策略相比,所提策略在迁移时延和负载均衡率2个方面进行了合适的折中,避免出现迁移时延过大或控制节点负载失衡的情况,有效解决机载网络故障恢复问题。     

联合连通拓扑下多无人机编队控制

针对在联合连通拓扑条件下的多无人机系统,研究了具有二阶动力学系统模型的多无人机系统时变编队控制问题。基于一致性理论,设计了一致性控制器,将联合连通拓扑条件下的编队控制问题简化为低阶时间平均系统的渐进稳定性问题。利用Lyapunov函数证明了所设计的控制器能够实现编队控制,并利用线性矩阵不等式(LMI)方法给出了控制器的设计算法。在三维空间中,对多无人机系统进行了仿真,验证了所设计的一致性控制器能够使得多无人机系统在联合连通拓扑条件下形成时变编队。     

航路网络生成及优化

空中交通流运行的安全性和成本取决于航路网络结构。基于节点度实现航路网络枢纽节点和干线节点分层,利用全局耦合生成主干网络,运用距离连接概率实现干线节点社区化,采用连接概率生成社区网络;采用DBSCAN聚类算法,基于角度和距离实现航路网络优化;以中国大陆空域为例,实现了主干航路网络和局部干线航路网络的生成及优化,验证了方法的可行性。在与相关研究对比,基于节点度的枢纽节点选取更加客观合理,所构建的分层航路网络结构符合机场点的分布特性,采用DBSCAN聚类算法优化效率明显提高。     

卫星网络动态资源图多QoS约束路由算法

针对高动态卫星网络拓扑变化导致的网络更新期间可用路径失效，QoS需求难以满足的问题，提出了一种基于软件定义网络（SDN）架构的虚拟节点动态资源图多QoS约束路由算法（DRGVN-QR）。根据节点的切换状态、缓存以及链路的剩余带宽、时延等信息，结合虚拟节点的网络拓扑方式，建立虚拟节点动态资源图模型。根据资源图模型，建立最小路径代价的优化模型，利用蚁群算法（ACO）并发地为每个连接请求找到一段时间范围内的最优路径集合，并对信息素挥发系数的取值问题进行了讨论，以提升路径质量和算法性能。最后，为了适应卫星网络的时变性，设计一种幂数加权公式求出一段时间范围内的最优路径。仿真结果表明：DRGVN-QR算法能够规避路径失效带来的传输中断问题，提高网络QoS，与其他算法相比，该算法降低了平均端到端时延、网络丢包率和时延抖动。     

基于环境独立机制的静态离散贝叶斯网络参数简化方法

在大型工程系统的应用中,贝叶斯网络节点参数存储量随系统复杂度呈指数增长。针对该问题,综合飞行器故障模式通常采用多输入单输出逻辑门表达,以及故障树具有特殊静态离散贝叶斯网络的特点,提出将环境独立简化方法应用于常用典型逻辑门的贝叶斯网络。通过基本定理证明利用基于环境独立机制的概率树代替传统的条件概率表,可将呈指数增长的条件概率表减少为线性变化,并定量给出简化后节点参数个数的计算表达式。最后,将该方法用于某飞机前轮转弯系统故障诊断模型,通过与节点原条件概率表的比较,表明概率树方法可有效减少计算机内存需要。     

基于TTP协议的飞机配电系统通信仿真研究

针对飞机配电系统典型单元,建立基于时间触发的四节点控制与通信模型;实现系统典型节点的信号交互,并进行实时控制与仿真分析。以供电系统处理机(PSP)、发电机控制器和汇流条控制器的组合(GCUs+BPCU),某个负载管理中心(ELMC)、以及多个固态功率控制器(SSPCs)为四个典型节点,在研究模型节点内部控制与逻辑关系、建立消息时刻表的基础上,仿真了配电系统在双发、单发、应急情况下,汇流条和负载的自动管理。仿真结果表明,信号严格按照确定的消息时刻表传送,通信具有较高的实时性和可靠性。研究结果为时间触发协议在航空器领域的应用提供了参考。     

MILDDC算法及其在飞机模块化生产网络分析中的应用

在中心度、节点最近邻和局部社团链接度最小增量有效融合的基础上,提出了一种基于中心度的最小链接度增量社团结构探测算法(Minimal Increment of Link Degree Based on Degree Centrality, MILDDC),并将MILDDC算法应用于某型飞机模块化生产网络并进行社团结构分析,计算结果说明,该算法具有一定的适用性,时间复杂度约为线性时间,并且对包含噪声、孤立点以及异形状的网络社团结构探测具有较强的鲁棒性。     

基于单片机实现的多路定时控制器的设计

为了减少种类繁多的家用电器或办公电子设备的控制装置的数量，便于集中控制，方便使用人员的操作，这就需要一种功能更全的控制器。以AT89C52为核心，利用键盘／显示专用接口芯片8279实现的多路定时控制器，可以对多路家用电器或办公电子设备进行定时开关控制，实现一个控制器可以控制多路用电设备，同时还具有时钟校准、时间显示和用电设备编号显示等功能，为以后实现网络控制的数字家庭提供一些基础。     

混合SDN的多目标路由优化算法

为充分利用SDN(Software Defined Network,软件定义网络)节点的优势来优化网络性能,混合SDN的流量工程成为当前的研究热点,而路由优化是实现流量工程目标的重要策略之一.但是,当前混合SDN的流量工程中未考虑网络整体的负载均衡以及SDN节点的处理能力.针对上述问题,提出了一种多目标路由优化算法——MCS(Minimum Cost Sum,最小化代价和),综合考虑整个网络的传输延迟与链路利用率,同时保证SDN节点的处理能力满足实际约束,最终实现全网综合性能的最优化.实验结果表明,当网络整体负载较轻,MCS与现有的SOTE(SDN/OSPF Traffic Engineering,软件定义网络/开放最短路径优先流量工程)算法性能相近;而当网络负载加重时,MCS相比于SOTE,可将网络负载降低约9％,因此,MCS算法具有更高的优化能力.     

二维任意域内基于节点的局部网格生成算法

凸域内基于节点的局部网格生成算法,克服了基于节点的有限元方法的网格生成可能产生的不一致性。将该基于节点的局部网格生成算法的适用范围拓展到二维任意域。另外,提出了通过使用约束Delaunay路径来划分任意域的区域划分算法,该算法使得在并行实现网格生成的过程中各处理器之间无需通信,从而大大提高了节点给定情形下有限元方法网格生成的并行效率。     

无人机参数优化自抗扰编队保持控制器设计

针对无人机编队飞行中的队形保持问题,采用结合粒子群算法的自抗扰控制技术对控制器进行设计,使响应过程具有良好的动态品质和较小的稳态误差。建立三维空间内基于相对误差的无人机编队飞行模型,并在此基础上设计了跟踪微分器、扩展状态观测器和非线性状态反馈自抗扰控制器,采用粒子群算法对控制器中部分参数进行优化整定。仿真结果表明,设计的结合粒子群算法的改进自抗扰控制器具有良好的控制性能,能以较高的精度实现无人机编队保持任务。     

综合飞行/矢量推进系统控制器分离方法

详细阐述了综合飞行/矢量推进系统控制器分离问题,并给出了采用解析法求解控制器分离问题的步骤.以解析的控制器分离为基础,提出了一种基于非线性最小二乘方法的控制器分离的优化方案,该优化方案非常有效并且很便于实现.利用此优化方案,求取了一个最优的控制器分离.非线性仿真实验表明:最优分离子控制器几乎达到了同集中控制器一样的闭环性能,所讨论的控制器分离方案是相当合适和成功的.      

毫米波波束编码技术在无人机智能集群中的应用

毫米波波束编码技术由于其速率高、抗干扰能力强的优点被认为是无人机智能集群通信网络的重要解决方案。但在无人机智能集群的通信场景中,多种原因造成的机体不稳定抖动会使通信波束产生小角度偏转,引起通信质量的下降,从而影响无人机集群的控制与决策。针对这一问题,提出一种面向无人机集群通信的自适应波束设计方法。首先,根据传感器回传的机体波束抖动情况建立等效信道模型,随后利用量化的信道模型参数建立目标函数并获得理想的波束编码向量,在此基础上利用几何贪婪算法对其进行分解。仿真结果表明,提出的集群波束编码方法能够有效提高均值通信速率,同时相较于其他的系数分解算法,有效降低了计算复杂度。     

遗传寻优神经网络在平台温控系统建模中的应用

温度直接影响惯性仪表及惯性平台的使用精度,而高精度温控系统的设计依赖于准确的平台加温模型,针对平台系统中多种惯性仪表加温过程复杂度高,当前采用的阶跃响应辨识方法存在模型适应性差、精度不高等情况,且针对基于梯度下降的BP学习算法存在局部收敛的问题.采用基于遗传算法寻优的神经网络辨识的方法,对惯性仪表加温模型进行建模,试验验证通过遗传寻优后的BP神经网络学习算法,提高了网络的学习精度,进而提高了平台系统中惯性仪表加温过程数学模型的精度,模型适应性较高,为后续惯性仪表的加温控制方法的设计提供了必要的条件.     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

分布式测控环境下的实时通信研究

面向服务于航空试验的测控系统，提出了通过构架分布式测控环境的方法实现航空测控系统集成的构想，分析了航空试验测控系统中实时通信的特殊性，设计了基于以太网络的实时通信协议，并在此协议之上实现了分布式测控环境下的实时通信服务。     

基于TOF的UWB可移动基站快速自定位算法

针对运动场中超宽带(UWB)可移动基站的位置获取需要人工测量、定位不方便的问题,提出了基于飞行时间(TOF)的UWB可移动基站快速自定位方法.首先根据基站布局情况确定局部坐标系,建立基于UWB基站间相互测距信息的各基站坐标方程,采用最小二乘法对各基站的坐标进行解算,进而分析其定位误差.最后通过实验验证了算法的可行性和稳定性.实验结果表明,可移动基站平均定位精度在0.05m以内.相对于传统的人工测量方式,基站自定位可有效节省基站布设时间,减少工作量.     

基于二进制粒子群算法的战时航空网络规划研究

领空作为国家资源的一部分,其使用、调配关系到国家的安全与发展,在战时,将更多的空中资源调配给军航使用,有利于保障军事行动的顺利进行。基于此,提出一种基于二进制粒子群算法(BPSO)的战时航空网络规划方法。首先,对航空网络建模,收集航班数据;其次,建立航空网络性能评价体系;然后,以使用尽可能少的民航机场维持预期网络性能为目标,以作战意图和战场环境为约束条件,通过BPSO 算法进行求解;最后,进行仿真分析。结果表明:该方法能够结合作战意图、反映战场环境、合理调配航空资源,为战时航空管制工作提供决策依据。     

航空活塞式发动机瞬态空燃比控制仿真研究

针对航空活塞式直喷发动机瞬态空燃比难以精确控制、动态超调大等问题,采用基于改进的粒子群优化算法和Elman神经网络(VPSO-Elman网络)的模型预测控制算法对发动机过渡工况空燃比进行控制。在实验数据的基础上,利用发动机建模软件AMESim建立发动机模型,在MATLAB/Simulink中建立VPSO-Elman空燃比预测模型控制系统,通过联合仿真检验控制系统的性能。结果表明:瞬态工况下,相比于比例-积分-微分（PID）控制,VPSO-Elman网络模型预测控制下的空燃比超调量可以减小约20%,回调时间缩短约75%;针对不同的节气门开度变化速率,VPSO-Elman控制器同样具有良好的控制效果。      

基于改进PSO算法的PID控制器参数优化

针对PID控制器参数设计问题,提出了一种基于改进PSO算法的优化方法。该方法将初始的粒子群分成两组搜索方向相反、相互协同的主、辅子群,在保持种群小规模情况下,增强算法全局探索能力,实现高精度的优化结果。仿真结果表明,该方法相比于传统算法,所得到的控制器参数使控制系统获得了更好的动态响应特性和满意的控制效果。