面向风险均衡的AFDX虚拟链路路径寻优算法

为确保综合模块化航空电子系统的安全性需求能够在全双工交换式以太网中得到一致性保证,提出了一种面向风险均衡的路径规化（RBPP）算法,以满足各航电功能间的安全隔离要求,同时分散风险,避免局部物理链路的风险集中,提高系统安全性。以民机失效状态类别划分为基础,建立了航电功能、分区、端系统、虚拟链路（VL）风险模型;RBPP以均衡各物理链路风险为目标,同时综合考虑网络实时性、链路负载能力等因素,采用粒子群算法进行优化目标求解。利用仿真优化方法对RBPP算法进行了实现,在典型工业航空电子全双工交换式以太网（AFDX）网络架构及A380AFDX网络架构下进行仿真分析,结果显示多播VL的简化处理的会使网络风险增加;在1 000条VL配置下与负载均衡（LB）算法和最短路径（SP）算法进行了分析对比,结果显示RBPP算法在满足各航电功能间的隔离需求的同时,链路风险均衡能力在两种网络拓扑下分别比负载均衡算法提高了10.7%和23.4%,比最短路径算法分别提高了35.4%和47.9%。     

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。     

基于人工蜂群算法的航空电子系统负载均衡研究

针对航空电子系统中存在的任务请求多、资源利用率低、负载不均衡等问题,通过基于人工蜂群算法,设计并实现航空电子系统负载平衡机制。建立航空电子系统负载均衡数学模型,通过研究人工蜂群算法的四个阶段来求解航空电子系统的负载均衡,将待分配的计算任务指派给当前负载最轻的处理器。实验结果表明该算法负载均衡效果好。     

粒子群算法在求解航空项目资源均衡优化问题中的应用

为了解决航空项目多任务多层级嵌套带来的资源利用率低、需求量集中等问题,将粒子群算法应用于复杂航空项目的资源均衡优化。通过构建资源均衡优化问题的解空间,建立任务开工时间与算法中粒子属性的映射关系。以资源需求均方差为算法的评价函数,在考虑任务逻辑关系而形成的约束条件下,求解项目中非关键节点的实际开始时间,并给出详细资源均衡优化方案。以航空项目中典型机翼装配为算例对算法进行验证,证明所提出的优化方法能够有效削弱资源需求峰值,解决资源需求量集中的问题,达到了项目资源均衡的目的。     

航空电子云系统架构与网络

在未来作战体系中,航空电子系统需要飞行平台具有跨系统平台的信息共享和协同处理的能力。根据未来日益复杂的航空任务需求,基于云计算资源共享池思想提出了一种跨系统平台高度综合的航空电子系统——"航空电子云",并阐明了其系统架构,重点介绍了航空电子云的网络。在网络物理层,根据航空电子系统物理设备的特点,构建了航空电子云分层分簇的网络架构。在网络逻辑层,引入雾计算和云计算的思想,介绍了基础设施的三层虚拟化结构。航空电子云将资源的共享范围从单系统平台扩充到多系统平台,提升了航空电子系统的体系作战能力。     

AFDX虚拟链路路径实时寻优算法

航空电子全双工交换式以太网(AFDX)使用虚拟链路(VL)进行消息数据流通信,为提高AFDX的网络实时传输性能,以VL路径配置寻优为基础,提出了一种基于遗传算法的AFDX VL路径优化算法(POGA)。POGA以提高网络实时性为优化目标,并综合考虑网络负载均衡,以VL的路径信息作为染色体,通过遗传算子进行遗传寻优操作,选择促使AFDX网络实时性能最优的VL路径作为优化结果。利用仿真优化方法对POGA进行了实现,在典型AFDX网络1 000条VL的配置下,与负载均衡算法和最短路径算法进行了分析对比,结果显示分别有76.4%和77.4%的VL的传输实时性得到了增强,网络的实时传输性能分别提高了13.2%和12.9%。     

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。     

一种面向航空集群的集中控制式网络部署方法

软件定义网络（SDN）的发展为机载网络构建提供了全新的设计思想。针对航空集群环境下控制平面的可扩展性问题,研究了混合层次式架构下的多控制器部署问题。首先,为实现对底层传输节点的弹性管控,通过扩展控制层级定义了本地控制器资源池。然后,为减少时间复杂度,实现本地控制器的快速部署,将传统的多控制器直接部署转化为子域划分和域内部署两个步骤,提出了基于节点密度排序的子域划分算法和基于改进多目标模拟退火的域内控制器部署算法。实验结果表明：与已有算法相比,所提算法在保证控制器的负载均衡基础上,可以有效减少网络控制链路的平均时延和平均失连率,同时时间复杂度更低,能够适用于大规模及动态网络环境下的控制器部署场景。     

一种基于时空等级的LEO卫星网络路由策略

随着5G技术的发展和6G技术的研究，低轨卫星网络在未来空天地一体化网络中的地位越发重要，而作为网络核心技术的路由策略仍面临一些挑战，如卫星网络拓扑高动态变化、链路频繁切换、节点计算处理能力有限以及负载流量分布不均衡等。针对卫星所覆盖区域负载不均衡且与时间因素有关，以及星上用户多业务服务质量需求的问题，设计了一种基于时空等级的业务分类负载均衡路由算法。算法考虑了卫星网络流量的分布与时空等级的关系。卫星节点需先根据当前时刻及其所覆盖的地面区域计算其时空等级，并在路由算法的下一跳实时调整阶段加入时空等级作为选路条件之一，同时改进了阈值的计算方式，并在路由时考虑了不同的链路代价以满足多业务服务质量需求。仿真结果表明，相较于DSP、TLR和RMLBR算法，所提算法虽然在总吞吐量表现不及TLR和RMLBR算法，但在时延以及链路利用率方面有所改进，有效降低了平均端到端时延，较好地满足不同业务服务质量需求，均衡网络负载。     

基于聚类与粒子群极限学习机的航空发动机推力估计器设计

针对航空发动机推力不可测,部件级模型求解推力精度不高、实时性差的问题,提出了基于快速寻找密度极点聚类与粒子群极限学习机的航空发动机推力估计方法。首先利用基于快速寻找密度极点的聚类算法对全工况范围内的台架试车数据聚类,然后在每一个子类中,用粒子群极限学习机设计了子推力估计器。在子类推力估计过程中,为使网络拓扑结构最优,用粒子群算法寻找极限学习机的最优隐层神经元数目的方法。训练与测试表明,推力估计测试相对误差最大值为3.06‰,优于传统的RBF(7.25‰)与BP(14.84‰)神经网络方法,能够满足直接推力控制与机载在线实时状态评估的需求,且可将方法扩展到其他不可测参数的估计。