基于Agent的远程故障诊断系统的实现

对基于知识的多Agent体的远程故障诊断系统进行了研究。建立了一种基于知识的多Agent体的远程故障诊断实验系统，并阐述了实验系统的工作过程。     

基于移动预测的集群组网分簇路由协议

针对无人机集群组网中拓扑结构更新快、网络通信效率低的问题,提出了基于移动预测的分簇算法MPC,并提出了一种分簇路由协议MPC-R。灰色-WNN联合预测模型的基础上,通过将预测结果运用在方向、速度、位置评价因子上,得出移动状态评价因子。综合计算移动因子和链路保持时间进行簇头选择,路由协议簇间采用被动路由发现机制,簇内采用主动路由发现机制。通过仿真,对预测准确性、分簇算法、路由协议进行验证,结果表明:WNN提高了预测的准确性,分组投递率提高了3%～4%。该分簇算法延长了簇头持续时间和平均链路保持时间,能够提高分簇稳定性。相应的路由协议与其他同类协议相比降低了端到端时延,提高了数据包分组投递率和路由性能。     

控制密集型嵌入式系统软件构件模型研究

针对控制密集型嵌入式系统对软件实时性、安全性等要求高的特点,吸收现有构件模型优点,提出了控制密集型嵌入式系统软件构件模型—CIES模型;该模型引入了输入、输出控制接口,将数据传输的控制流与数据流分离;采用先进先出锁机制对临界区接口数据传输进行保护,保证了接口数据传输原子性及构件间交互的有序性,提高了系统可靠性与安全性;最后,给出实例的代码实现,并以汽车电子稳定控制系统为例,给出其CIES模型实现。     

改进的贪婪算法在无人机组网中的研究与应用

针对小型军用无人机平台小、速度快、能量有限导致的集群组网中节点生存时间受限、投递率低等问题,借鉴贪婪算法,提出一种复合权值的无线自组网路由算法。为减小边缘节点和低能节点对路径的影响,在算法中添加了边界评价因子和能量均衡2个优化参数对节点进行筛选,再利用Dijkstra算法的思想寻找网络中能量-拥塞复合权值最小的转发路径进行数据传输。仿真结果表明,与AODV算法和AOMDV算法相比,该算法在投递成功率、端到端时延、网络生存周期、路由开销方面均有良好性能。     

改进的TT-RMS调度表生成算法

基于时间触发以太网的网络模型与消息模型,改进了时间触发单调速率调度(TT-RMS)通信表生成算法,用于生成时间触发以太网的调度表。改进后的TT-RMS算法,首先根据消息的周期属性,计算出消息调度的集群周期长度,其次根据消息的周期及经过的路径长度,确定出消息调度的先后顺序,最后根据时间槽的分配状态进行消息调度。实验结果显示,改进后的TT-RMS算法,可以在多跳网络环境下,基于不同长度和周期的消息,生成时间触发消息调度表,同时生成的调度表能够满足消息的时延需求。     

无人机自组网中改进型反应-贪婪-反应路由协议

无人机自组网具有网络拓扑变化剧烈,链路断开频繁等特点.反应-贪婪-反应(reactive-greedy-reac-tive,RGR)路由协议是针对无人机自组网而提出的改进型协议,在高动态环境下具有较好的网络性能.针对RGR协议具有网络开销大、易出现网络拥塞等问题,提出了一种基于负载均衡和高贪婪地理转发成功概率的改进RGR路由协议.该协议在RGR协议的基础上,提出基于节点负载状态和地理位置信息辅助的受限洪泛机制、GGF模式下高分组成功传输概率的路径选择策略和基于节点负载预测和运动特征的分组转发策略3项关键改进措施.仿真结果表明,相较于AODV和RGR及其改进型协议,该协议提高了分组投递率,降低了网络的控制开销和平均端到端时延,提升了网络应对拓扑高度动态变化的能力,有效改善了网络性能.     

多数据链任务分配模型及算法仿真

不同数据链所支持的消息格式有所不同,因此多数据链间相互通信时难以进行互操作。针对这一问题,提出了基于消息处理平台的多数据链系统任务分配模型。该模型通过一个消息处理平台对消息格式进行转换并分发给相应的数据链,同时在分析多数据链互操作性的几个主要度量指标的基础上,给出了数据链系统分配模型的数学表达式。然后,结合多数据链消息交换的一个典型应用,采用模拟退火粒子群算法对该模型进行求解。结果表明,在低负载和中等负载情况下,多数据链系统能够在满足互操作性指标的前提下有效地进行消息交换,而且相比于采用标准粒子群算法,模型求解的收敛速度更快,粒子的全局搜索能力更强。     

基于改进遗传模拟退火算法的测试优化选择

针对测试优化选择这一NP-hard问题,提出利用改进遗传模拟退火算法对其进行求解。由于遗传模拟退火算法直接应用在测试优化选择问题时,存在算法运行到后期时搜索过程冗长和交叉操作后父代与子代的染色体相似度高的缺点。因此采用非线性加速适应度函数提高搜索速度,同时在交叉操作前先对基因进行比较,剔除无效交叉以提高交叉有效性。最后,对典型实例(超外差接收器系统)进行测试优化选择,结果表明,优化后的遗传模拟退火算法达到收敛所需代数相比于遗传模拟退火算法减少13.3%;在满足故障检测率和隔离率的要求下,所需的测试代价与其它算法所得相比较小。因此优化后的遗传模拟退火算法可以更有效地解决测试优化选择问题。     

基于加权的具有相同移动特性的车载自组网分簇算法

针对战场环境下通信质量较低的问题,提出了一种基于加权的具有相同移动特性的车载自组网分簇算法。首先通过对移动节点的速度相似度和距离相似度进行计算,将具有相同移动特性且距离相近的节点分为同一个簇,并设置每个分簇中簇成员的最大阈值;计算移动节点的速度因子、距离因子和平均链路维持率,并在分簇中对每个移动节点的这3个因素进行加权,选取权值最大的作为首要簇头,权值第二大的作为次要簇头,首要簇头失效时次要簇头充当主要簇头角色,且主要簇头给每个成员分配了TDMA时隙,提高了通信质量。仿真实验结果表明:与WCA算法和WBACA算法相比,该分簇算法在簇结构的稳定性和分组投递率方面都有较大的改善。