多平台协同目标感知分散化最优控制方法

由于平台之间信息和计算是高度分布的,平台的运动以及通信拓扑的变化,使得多平台集中式协调控制结构很难实现.以最小通信量为基础的分散协同控制具有可扩展性、异构性和动态可重构性等特点,可靠性和鲁棒性较好.提出了集中和分散相结合的多平台协同控制系统结构,集中控制主要实施任务分配、通信管理以及编队管理,而平台之间则可在有限通信基础上实施分散化最优协调控制.建立了被动多平台协同目标感知分散化信息融合算法,以信息熵作为效能指标,实现了存在控制、通信和防撞等不同约束条件下的多平台协同目标感知分散化最优控制及协同感知目标信息的极大化.仿真结果表明:有通信情况下的多平台协同目标跟踪性能明显优于无通信情况下的非协同目标跟踪性能.      

一种基于计算资源度的星间路由协议

随着发射技术的提升和星载任务需求的扩大,低轨互联网星座逐渐成为航天产业的研究热点。在网络层进行算力资源感知有助于构建最短计算时延路径,有效利用边缘或路径上的节点资源进行任务调度。由于传统组网协议没有考虑邻居节点算力资源情况,难以做到资源感知、星间协同组网完成卸载任务。为解决上述问题,提出了将低轨卫星组网建模为移动自组织网络(MANET),并在主动式协议优化链路状态路由协议(OLSR)中引入节点计算资源度来感知周边组网节点、CPU、内存和负载等计算能力情况,并且根据该指标修改OLSR中的多点中继(multi point relay, MPR)选择算法与路由表更新算法。通过仿真验证了在星间协同计算中,文章提出的路由协议在任务计算时延上降低了15%～30%,并通过与地面云计算的比较验证了星间协同计算的优势。     

从网格到“东数西算”:构建国家算力基础设施

简要回顾了几十年来计算机使用方式的变迁,介绍了基于网络计算技术的国家高性能计算基础设施CNGrid的设计与实现。讨论了在“东数西算”战略工程背景下中国算力发展的新趋势,以及国家算力基础设施发展面临的新的技术挑战,并对中国未来超算应用生态和算力基础设施建设提出了展望。     

基于合同网的对地观测资源动态协同规划方法

卫星、无人机等对地观测资源已经成为执行灾害救援、灾损评估等多样化监测任务的主要观测手段,而大规模任务的随机调整和动态执行环境是快速制定对地观测方案的核心难点。针对此问题,提出一种面向不确定环境的对地观测资源动态协同规划方法,以动态高效地制定异构观测资源的协同观测方案。首先,结合合同网协议提出一种自下而上的分布式动态协同框架,以整合空天地异构观测资源构建分布式、动态、松耦合的协同观测网络。然后,根据该协同框架提出多轮组合分配方法及优化算法以快速动态地分配大规模监测任务。最后,通过仿真实验证明,在任务持续并发的动态不确定环境中,基于合同网的动态协同规划方法在提升了约25%任务完成率的同时,降低了约20%的运行时间,实现了任务完成率与方法运行时间的平衡。      

一种基于FPGA的深度神经网络硬件加速器系统

深度神经网络目标检测算法计算复杂度高、模型复杂,对硬件平台的算力有很高需求,针对以上问题,设计了一种基于现场可编程门阵列(field programmable gate array, FPGA)芯片的硬件专用加速器.通过软硬件协同方法,设计具有高并行度及深度流水的片上架构,并使用模型量化、结构优化等方法对神经网络模型进行优化.在所设计的加速器系统中进行神经网络目标检测算法的部署,实现了高数据吞吐率、低功率消耗的FPGA神经网络计算,且模型精度损失低于1.2%,为在低能耗嵌入式平台上部署深度神经网络目标检测算法提供了有效解决方案,可广泛应用于机载、星载智能计算设备.     

多级协同项目执行中的资源冲突检测与管理

以航空航天型号工程项目为背景,针对多级协同项目中的资源冲突问题,利用基于时间约束网络的冲突检测算法实现了多级协同项目中的资源冲突检测,该算法建立了任务关系的时间约束网络模型,给出了基于模型的线性化、实例化方法和检测判据.针对资源冲突的检测结果表达及冲突信息的管理提出多视图表达方式,建立了基于UML的信息模型.基于研究结果设计开发了项目资源管理原型系统,以某航天项目任务的管理为例进行了验证,表明了研究结果的有效性.      

一种基于轻量化CNN的天文暂现源智能识别方法

天文暂现源携带了关于天体本质及演化过程的丰富信息,对暂现源进行探测与研究具有极为重要的科学价值。天文暂现源的辐射峰值大多在X射线或伽马射线,天基望远镜对这些高能波段的观测优势是地基望远镜无法比拟的,更适合于暂现源观测。但由于星载计算机的性能约束,很难实现依托于地面强大算力的复杂检测算法。针对以上问题,提出了基于轻量化卷积神经网络（CNN）模型的天基暂现源检测算法,并在嵌入式ARM平台上实现了模型部署。实验结果表明,本文提出的轻量化CNN暂现源检测算法的模型复杂度和计算量不及Deep Hits算法的1/4,准确率达到96.52%,可应用于星载有限算力平台,实现未来的天基暂现源实时检测。     

以功能需求为驱的资源聚合方法与实现

针对面向服务的体系结构(SOA,Service Oriented Architecture)环境中资源聚合的特点,提出以功能需求为驱动的资源聚合机制,在这一机制中,资源不再是静态的组件对象,应用流程与任务模型实现了分离,任务所需的功能成为关注重点与组织对象.聚合机制由3层构成:通过底层服务信息集合汇聚满足需求的资源服务;通过中间层的功能需求描述定义资源服务所具备的各种功能与属性;通过上层上下文环境满足任务执行过程中资源服务之间的约束.在模型内部,通过逻辑数据,维护异构服务接口之间的数据依赖关系.利用该机制实现以功能需求为驱动的应用构造.基于该机制的工作流系统NGGWf(National Geology Grid Workflow)已应用于国家地质调查应用网格中的地质勘测.      

专用指令集在基于FPGA的神经网络加速器中的应用#br#

近年来，表现出极其优越性能的神经网络算法对硬件算力的要求逐渐提高.在一些低功耗场景如星载系统中，拥有可编程重构、高并行等特性的FPGA是神经网络算法较为合适的硬件加速平台.为了解决传统神经网络硬件加速器设计中片内资源消耗大、各功能模块耦合性高等问题，设计实现了一套专用AI指令集并应用在了基于FPGA的神经网络加速器的设计中.文章首先介绍了该指令集的设计方案.整个指令集由指令寄存器、指令解释器、指令转发模块、内存管理单元和多个模块构成.通过该指令集可实现对不同模块的复用，降低模块之间的耦合性.并以YOLOV3 Tiny网络模型为例，对比了平铺式和指令控制式两种加速方案的逻辑资源的消耗.验证了应用专用指令集可以减少约50%的FPGA逻辑资源的使用.     

基于云计算的航天操作系统中的任务分区与迁移关键技术研究

云计算是一种按需提供资源的模式,虚拟化是云计算实现按需服务的基础.基于云计算的航天操作系统使得任务可以根据任务需求分配不同的物理资源,解决了航天器小型化趋势下如何充分利用物理资源的问题.本文通过虚拟化容器实现航天操作系统对分区的要求,设计了合理的任务调度和容器调度方案.通过仿真实验,验证了调度方案在满足航天操作系统对容错要求的同时,提高了航天器物理资源的利用率和负载均衡.