分布式導(dǎo)航系統(tǒng)容錯(cuò)機(jī)制關(guān)鍵技術(shù)研究.pdf

1、為使分布式導(dǎo)航系統(tǒng)在GPS故障或信號(hào)中斷時(shí)能夠繼續(xù)完成導(dǎo)航任務(wù)并完成作戰(zhàn)計(jì)劃,有必要提高分布式導(dǎo)航系統(tǒng)的容災(zāi)容錯(cuò)性能,即研究分布式容錯(cuò)導(dǎo)航仿真平臺(tái),導(dǎo)航信息存儲(chǔ)數(shù)據(jù)結(jié)構(gòu)、導(dǎo)航節(jié)點(diǎn)間通信協(xié)議、分布式導(dǎo)航系統(tǒng)的容錯(cuò)算法四個(gè)方面的容錯(cuò)關(guān)鍵技術(shù)。由于容錯(cuò)機(jī)制的本質(zhì)是在系統(tǒng)出現(xiàn)故障時(shí)各功能單元繼續(xù)執(zhí)行所要求功能的能力,在分布式導(dǎo)航系統(tǒng)中以通過GPS得到的定位數(shù)據(jù)為基礎(chǔ)進(jìn)行導(dǎo)航,因此對(duì)系統(tǒng)中GPS定位數(shù)據(jù)進(jìn)行有效管理和合理利用,能夠完成在GPS信號(hào)

2、中斷狀況下快速恢復(fù)分布式導(dǎo)航系統(tǒng)各節(jié)點(diǎn)的通信功能和導(dǎo)航功能,論文都是圍繞如何運(yùn)用分布式導(dǎo)航系統(tǒng)中各節(jié)點(diǎn)既有的GPS“殘跡”交互信息和尋路導(dǎo)航展開論述。本文主要從分布式導(dǎo)航系統(tǒng)容錯(cuò)機(jī)制中容錯(cuò)系統(tǒng)仿真平臺(tái)和容錯(cuò)算法兩個(gè)方面進(jìn)行深入研究和改進(jìn),以滿足分布式導(dǎo)航系統(tǒng)的容錯(cuò)要求。論文主要研究?jī)?nèi)容如下:
　　1.運(yùn)用兵棋推演系統(tǒng)進(jìn)行分布式導(dǎo)航系統(tǒng)容錯(cuò)算法仿真。由于傳統(tǒng)的兵棋推演系統(tǒng)采用人工驅(qū)動(dòng)方式,即對(duì)象間的信息交互完全由人工交互實(shí)現(xiàn),需要完

3、成的工作量巨大,導(dǎo)致系統(tǒng)中的若干干擾因素都被忽略,在對(duì)容錯(cuò)導(dǎo)航算法進(jìn)行仿真驗(yàn)證時(shí)將嚴(yán)重失真,因此將消息驅(qū)動(dòng)機(jī)制引入兵棋推演系統(tǒng)的系統(tǒng)結(jié)構(gòu)與功能模塊中,解決兵棋系統(tǒng)驅(qū)動(dòng)的自動(dòng)化問題和對(duì)象間的通信問題,通過設(shè)計(jì)人機(jī)接口模塊、消息驅(qū)動(dòng)模塊、棋盤和棋子的結(jié)構(gòu),在單位棋子節(jié)點(diǎn)中引入導(dǎo)航數(shù)據(jù)結(jié)構(gòu)和屬性,可以加載本文提出的基于GPS“殘跡”的容錯(cuò)導(dǎo)航算法;同時(shí),添加大量的仿真測(cè)試接口,以便測(cè)試不同的導(dǎo)航算法。經(jīng)與傳統(tǒng)兵棋系統(tǒng)仿真測(cè)試進(jìn)行比較,完成相似

4、任務(wù)的時(shí)耗降低50％左右,人工干預(yù)次數(shù)僅是傳統(tǒng)系統(tǒng)的25%,CPU負(fù)載率降低了15%。
　　2.研究移動(dòng)自組織網(wǎng)絡(luò)中的對(duì)等節(jié)點(diǎn)容錯(cuò)導(dǎo)航算法(GVDN)。在故障時(shí)系統(tǒng)中各節(jié)點(diǎn)將脫離GPS信號(hào),因無法繼續(xù)完成導(dǎo)航,造成迷航等問題,而移動(dòng)自組織網(wǎng)絡(luò)能夠在不依托固定通訊設(shè)施的基礎(chǔ)上,支持節(jié)點(diǎn)動(dòng)態(tài)的通信,并能較好控制流量,因此提出一種基于移動(dòng)自組織網(wǎng)絡(luò)的對(duì)等節(jié)點(diǎn)容錯(cuò)導(dǎo)航算法,以解決分布式導(dǎo)航系統(tǒng)中的容錯(cuò)問題。該算法以故障前的GPS“殘跡”數(shù)

5、據(jù)為基礎(chǔ),設(shè)計(jì)“殘跡”存儲(chǔ)的數(shù)據(jù)結(jié)構(gòu)、系容錯(cuò)通信協(xié)議、電子地圖接口、人機(jī)接口和對(duì)等節(jié)點(diǎn)交互協(xié)議和算法的流程。在“殘跡”采集與處理模塊應(yīng)用樸素貝葉斯分類法對(duì)已獲得“殘跡”和關(guān)鍵點(diǎn)進(jìn)行分類、在道路預(yù)測(cè)與評(píng)估模塊中采用智能曲線識(shí)別算法對(duì)道路或可行路徑的相似性進(jìn)行判斷。經(jīng)兵棋推演系統(tǒng)仿真試驗(yàn),協(xié)議具有較強(qiáng)的抗死鎖能力,平均通信信道占用率均未達(dá)到峰值,平均內(nèi)存占用量控制在10M以內(nèi),容錯(cuò)過程中時(shí)耗和CPU占用率均有所降低。
　　3.研究群組

6、分布式容錯(cuò)導(dǎo)航算法(GFTN)。由于對(duì)等節(jié)點(diǎn)容錯(cuò)導(dǎo)航算法在節(jié)點(diǎn)數(shù)量多的大規(guī)模分布式導(dǎo)航系統(tǒng)中,雖然算法精度較高,但容易耗盡系統(tǒng)資源,因此,采用群體智能理論來解決系統(tǒng)的全局優(yōu)化問題,以適應(yīng)廣域分布的群組節(jié)點(diǎn)容錯(cuò)導(dǎo)航。針對(duì)算法的體系結(jié)構(gòu)、功能模塊與數(shù)據(jù)結(jié)構(gòu)、交互協(xié)議、數(shù)據(jù)包結(jié)構(gòu)等方面進(jìn)行了設(shè)計(jì),本文提出了按地理位置進(jìn)行殘跡存儲(chǔ),改進(jìn)滑動(dòng)窗口進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)和利用的方案,解決了單個(gè)領(lǐng)航節(jié)點(diǎn)能力與群內(nèi)節(jié)點(diǎn)分布廣、通信量大的問題;提出了分組蟻群算法,

7、使同組節(jié)點(diǎn)盡可能選擇相同或相近的同行道路或區(qū)域,以解決移動(dòng)節(jié)點(diǎn)數(shù)量多與可通行路徑少的矛盾;提出了群組內(nèi)共享信息的方案,解決了導(dǎo)航過程中重復(fù)計(jì)算的問題。
　　4.在GVDN和GFTN算法的驗(yàn)證和仿真試驗(yàn)中,采用反應(yīng)式Agent體系結(jié)構(gòu)進(jìn)行仿真,避免了復(fù)雜的邏輯推理驗(yàn)證,規(guī)定了Agent模型的屬性、處理和行動(dòng)規(guī)則,經(jīng)過測(cè)試,Agent模型仿真粒度小,可用性高,可模型大規(guī)模虛擬場(chǎng)景,容納更多的導(dǎo)航對(duì)象,在系統(tǒng)性能方面具有穩(wěn)定和低耗的優(yōu)勢(shì)