综合模块化航电软件仿真测试环境研究

 伴随着综合模块化航空电子(IMA)软件在新一代飞机上的应用,其高复杂性、高度综合的特点以及分层的健康监控和故障管理模式给软件测试提出了挑战。传统的仿真测试环境在应对IMA软件测试中难以满足RTCA DO-178B中规定的对验证过程结果的验证的要求。本文在分析IMA软件特点的基础上,根据DO-178B的要求,综合国外的发展情况和国内的研究进展情况,研究综合模块化航电软件仿真测试环境需求,提出了基于软件故障注入的综合模块化航电软件灰盒仿真测试环境方案,并给出优势分析。该仿真测试环境方案以IMA软件为测试对象,应用软件故障注入技术和代码插装技术满足测试规范文件的要求。其具有通用灵活、适配性强、强实时性等特点,为中国新一代航电软件的系统验证和测试奠定了基础。     

航空电子AFDX与AVB传输实时性抗干扰对比

为满足未来航电系统音视频信息传输的需求,考虑车载嵌入式系统的候选实时多媒体网络AVB在航电环境中的应用,并对AVB与AFDX的传输进行了对比研究。首先构建AVB与AFDX标准对比;其次提出基于网络演算的AVB和AFDX端到端延迟计算方法;然后通过定义不同的消息传输场景,采用理论方法分析消息传输实时性的干扰要素;最后利用仿真方法予以验证。在典型1 000条虚拟链路的组网规模下,结果显示:AFDX高优先级流量的端到端延迟优于AVB,对于低优先级流量端到端延迟,则AVB和AFDX各有优劣;但受突发的流量影响,在增加50条各0.22 Mbit/s带宽的低优先级流量干扰情况下,高优先级流量平均端到端延迟的变化率在AVB中为0.25%,在AFDX中为0.38%;在增加50条各0.22 Mbit/s带宽的高优先级流量干扰情况下,低优先级流量平均端到端延迟的变化率在AVB中为5.17%,在AFDX中为10.25%。结果表明:时间敏感消息在AVB网络中传输实时性的抗干扰能力优于AFDX。     

航空发动机性能参数联合RBFPN和FAR预测

排气温度是最能反映航空发动机运行状态的性能参数之一.对连续飞行班次的起飞排气温度裕度(EGTM,Exhaust Gas Temperature Margin)参数进行预测分析,有助于判知航空发动机将来的工作性能,为预防和排除故障提供充分的时间和决策依据.在依据具有非线性、非平稳特征的起飞EGTM历史监测值序列构建预测模型时,基于奇异值分解滤波算法提出了一种联合径向基函数预测网络(RBFPN,Radial Basis Function Prediction Networks)和函数系数自回归模型(FAR,Functional-coefficient Auto Regressive model)的预测方案,充分发挥RBFPN和FAR在预测EGTM参数值变动趋势成分和随机成分的各自优势,使其互为补充,协同处理.实验结果表明该联合预测方案能够有效抑制RBFPN或FAR单独采用时所呈现出的不足,提高预测性能.     

基于变化映射表的WSN通信数据语义安全算法

提出一种基于变化映射表的语义安全算法.该算法首先针对无线传感器网络(WSN,Wireless Sensor Networks)应用对临界值敏感的特点,采用变精度状态采集方法,建立了一个原始语义与其标识数值的映射表;在此基础上,网关和节点之间通过同步映射表进行通信数据的语义加密和解密,为提高安全性,在通信过程中,映射表基于通信携带的随机变更因子而不断更新.最后给出算法分析及仿真验证,结果表明提出的算法可以有效抑制已知明密文对攻击和实现语义安全.     

航空电子WDM网络多信道强实时调度设计

对航空电子强实时网络,提出了一种广播选择型和波长路由型混合波分复用体系结构和其调度结构模型.针对航电多信道强实时消息,提出了多信道负载比例轮转调度方法,以消息的负载比例在多信道上分配权值.分析了子系统内部消息和子系统外部消息在体系结构中调度模式的不同,推导了经过单次调度的子系统内部消息和经多次调度的子系统外部消息的多信道强实时调度约束条件,从而满足了航电系统所有消息的端对端的实时传输.针对航电实际系统,从系统资源和稳定性等角度提出了关键性参数的设计优化方法.最后用一个航电消息集实例进行具体说明.     

基于COTS的航空电子软件开发

介绍了商用货架产品(COTS)在航空电子软件开发中应用的优点和缺点,和基于COTS的航电软件构架;并给出了一个开发过程和部分开发工具。最后通过一个实例说明基于COTS的航电软件开发是实际可行的。     

基于归一化神经网络的航天器自适应姿态跟踪控制

针对以变速控制力矩陀螺（VSCMGs）为姿态控制执行机构的航天器在同时考虑惯性参数和执行机构不确定性情况下的姿态跟踪控制问题,提出了一种基于归一化神经网络的自适应姿态跟踪控制方法。设计一个非线性反馈控制器作为航天器姿态控制的基本控制器,利用归一化神经网络设计补偿控制器,用以在线估计和消除包含系统不确定参数的未知不确定函数的影响,避免了标准自适应控制方法需要进行大量不确定参数估计的缺陷。采用神经网络输入归一化技术,简化了闭环系统复杂的稳定性分析过程。理论分析证明了闭环系统的稳定性和姿态跟踪误差的收敛性。仿真结果表明,所提出的控制方法能满足航天器在惯性参数和执行机构不确定性及外干扰存在情况下的高精度姿态跟踪控制要求。
     

基于优化字典学习算法的压缩数据收集

为了提高压缩数据收集对多样化传感数据的适应能力,同时抑制环境噪声对数据收集精度的影响,提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典。理论分析表明在压缩数据收集中由环境噪声导致的数据收集误差和稀疏字典的自相干程度正相关。为此在字典学习的过程中引入了自相干惩罚项来抑制环境噪声对数据收集精度的影响。该惩罚项还能减少字典学习过程中对训练数据的过拟合,从而进一步提高了该算法的稀疏表示能力。实验表明,该算法的稀疏表示能力高于同类字典学习算法,而且能有效地抑制环境噪声对压缩数据收集精度的影响。      

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。     

Performability analysis of avionics system with multilayer HM/FM using stochastic Petri nets

The integrated modular avionics (IMA) architecture is an open standard in avionics industry, in which the number of functionalities implemented by software is greater than ever before. In the IMA architecture, the reliability of the avionics system is highly affected by the software applications. In order to enhance the fault tolerance feature with regard to software application failures, many industrial standards propose a layered health monitoring/fault management (HM/FM) scheme to periodically check the health status of software application processes and recover the malfunctioning software process whenever an error is located. In this paper, we make an analytical study of the HM/FM system for avionics application software. We use the stochastic Petri nets (SPN) to build a formal model of each component and present a method to combine the components together to form a complete system model with respect to three interlayer query strategies. We further investigate the effectiveness of these strategies in an illustrative system.