基于SRAM型FPGA的实时容错自修复系统设计方法

为提高辐射环境中电子系统的可靠性,提出了一种基于SRAM型FPGA的实时容错自修复系统结构和设计方法。该设计方法采用粗粒度三模冗余结构和细粒度三模冗余结构对系统功能模块进行容错设计;将一种细粒度的故障检测单元嵌入到各冗余模块中对各冗余模块进行故障检测;结合动态部分重构技术可在不影响系统正常工作的前提下实现故障模块的在线修复。该设计结构于Xilinx Virtex誖-6 FPGA中进行了设计实现,实验结果表明系统故障修复时间和可靠性得到显著提高。     

基于CPCI总线冗余控制计算机的设计与实现

针对总体用户对控制计算机系统高可靠性的要求,可靠性设计为该系统设计的要点;介绍了一种基于CPCI总线控制计算机的冗余设计方法,论述了冗余模式的选择及系统原理,详细介绍了互锁原理及设计方法,切换控制电路设计方法,数据共享方式;最后从平均故障问隔时间(MTBF)和可用度方面对该冗余控制计算机系统进行了可靠性分析;冗余设计方式有效提高了控制计算机系统的可靠性,通过试验及使用验证了该控制计算机能够满足可靠性要求.     

基于改进的DQN机器人路径规划

针对深度Q学习算法在机器人路径规划中的过估计问题,提出一种动态融合深度双Q算法(dynamic target doub-le deep Q network,DTDDQN).通过动态融合DDQN和平均DQN的先验知识进行网络参数训练,前期以较大权重的DDQN优化目标对估计网络进行网络训练和先验知识的积累,随着学习的深入,...     

一种面向网格计算的自适应动态冗余预留策略

针对网格环境中冗余机制在系统可靠性和任务执行效率之间难以平衡的问题,提出一种冗余度可动态调整的自适应冗余策略.该策略以可靠性指标为约束条件,依据负载变化自适应地优化系统冗余度,在不降低可靠性的前提下减少冗余度过高对网格任务执行效率的负面影响.理论分析给出了冗余度与可靠性之间的量化关系,实验分析对比了该动态冗余策略与其他冗余策略的性能差异,并对策略关键参数进行了对比分析.实验结果显示,当系统面临较高的任务负载或负载变化剧烈时,自适应的动态冗余预留策略能够显著提高资源有效利用率,并在任务执行效率和系统可靠性之间实现动态平衡,从而降低传统冗余策略对系统性能的负面影响.     

多传感器融合改进的机器人定位决策

在复杂的不确定环境里,采用单一传感器对机器人进行定位时精度较低,并且易受干扰,可靠性较差。针对这一问题在粒子滤波器移动机器人SLAM算法的基础上,利用多传感器融合对算法进行改进,将观测信息进行特征级融合,充分利用各种传感器采集的冗余信息,并将融合后的观测信息分别用来估计机器人路径和环境特征的后验概率分布。仿真试验表明,改进后的算法在SLAM定位精度及可靠性上都有较大的提高,证明了该种方法的可行性。     

基于纠删码的动态副本冗余存储研究

为保证数据的完整性和可靠性,云存储中主要采用多副本和纠删码两种存储策略对数据进行冗余保存.针对单一冗余存储策略的不足,考虑存储开销和访问质量等方面因素,根据用户访问数据的规律,提出一种基于纠删码的动态副本冗余存储方案.采用RC纠删码来存储云中海量数据,使用曲线拟合预测访问热度,适时调整副本的数量.实验结果表明,该方案空间利用率高,能有效减小用户访问的平均延迟,提高用户访问的成功率.     

FC-AE-ASM网络的模糊可靠性研究

针对目前FC-AE-ASM(fibre channel avionic environment anonymous subscriber messaging)网络可靠性计算问题, 以网络任务模型为基础, 提出了FC-AE-ASM网络的模糊可靠性模型。该模型主要分析了FC-AE-ASM网络的三种基本拓扑, 得出了这三种结构的模糊可靠性表达式。同时, 结合串并联的推导方法, 推导出了FC-AE-ASM冗余网络的模糊可靠性计算式。对实例的计算结果表明, FC-AE-ASM网络模糊可靠性的改善取决于关键因素, 并且基本路径冗余网络在自身网络可靠性较高时与全网冗余网络性能基本相同。     

基于Gibbs采样与概率分布估计的移动云数据存储

为提高移动云数据存储远程服务器的计算和存储能力,提出一种改进的移动云数据存储算法。利用表决数据分配和表决数据处理框架,构建考虑节点失效概率的重采样期望传播时间计算模型,并建立整合能源效率和容错性的表决动态网络。采用概率分布估计对动态网络模型进行存储路径优化,应用Gibbs采样解决分布估计的样本数据高维耦合和无监督训练问题。实验结果表明,与贪心算法、随机放置算法和分布估计算法相比,该算法具有更高的能源效率和存储可靠性。     

基于网络编码的无线传感器网络数据可靠性分析*

分析了网络编码在提高无线传感器网络数据传输可靠性的途径,并在不同的数据传输路径方式下应用网络编码进行数据传输。在使用网络编码的多路径传输中,提出一种新的传输机制,通过选择源节点的编码数据包数,在对可靠性影响较小的情况下,降低冗余数据包的数量。通过理论分析和计算机模拟给出了网络编码在不同的传输路径下对数据可靠性的效益,得出在数据传输率较高或适中时,在单路径传输下使用网络编码的可靠性优于不使用网络编码的可靠性。     

一种面向体系结构自适应软件中的高可靠性组件分派方法

随着软件在关键领域的普及应用,比如航空、航天、电厂以及地铁系统等,软件可靠性获得广泛的关注,但当前考虑可靠性,主要是在设计时,考虑可靠性的最优分派问题,而本文是针对系统的在线决策,即在运行时利用组件冗余分派满足动态的系统可靠性问题.通过扩充面向体系结构的自适应演化模型,提出分布式体系结构可靠性模型,并针对当前面向体系结构可靠性模型中对冗余热备以及结构特征考虑的不足,对传统的可靠性模型进行修正以适合面向体系结构的自适应软件,最后在已有理论的基础上,提出一种冗余组件的分派算法解决运行演化时的可靠性满足问题,实验表明,该算法实现简单,计算时间较优,适合于动态演化时对可靠性的实时求解.     

基于免疫连通模型的多路径传输选择算法

为解决无线传感器网络（WSN）中节点部署不均匀造成的节点能量消耗大、数据传输可靠性低的问题，提出了一种基于免疫连通模型的多路径传输选择算法。当数据传输发生故障时，免疫机制被用来选择路径的适应度函数，从而达到优化传输路径和减少节点能耗的目的。实验从网络寿命、端到端传输延迟、覆盖率、传输可靠性、载荷分布等指标对算法进行评价。实验结果显示，所提算法可更好地平衡负载，延长网络的生命周期，以及保证数据传输的可靠性。所提算法可以应用于对能量效率、可扩展性、延长网络寿命和降低网络开销有较高要求的传感器网络设计。     

基于免疫连通模型的多路径传输选择算法

为解决无线传感器网络（WSN）中节点部署不均匀造成的节点能量消耗大、数据传输可靠性低的问题,提出了一种基于免疫连通模型的多路径传输选择算法。当数据传输发生故障时,免疫机制被用来选择路径的适应度函数,从而达到优化传输路径和减少节点能耗的目的。实验从网络寿命、端到端传输延迟、覆盖率、传输可靠性、载荷分布等指标对算法进行评价。实验结果显示,所提算法可更好地平衡负载,延长网络的生命周期,以及保证数据传输的可靠性。所提算法可以应用于对能量效率、可扩展性、延长网络寿命和降低网络开销有较高要求的传感器网络设计。     

权衡能耗与延迟的数据融合算法研究

在无线传感器网络的路由协议中考虑数据融合能极大地提高网络生存期性能,但随之会带来网络可靠性下降、数据传输延迟增加等问题。设计一种新的可权衡能耗与延迟的数据融合算法ECLT,通过二级模糊综合评判的方式来调整原有的路由信息,增加数据传输路径间的交叠,以提高数据融合度、延长网络生存期;同时,传感节点在转发数据的过程中还可根据本身状态来动态调整进行数据融合的等待时间,从而在均衡网络中各节点能耗的同时减少了数据传输延迟。经仿真验证,该算法能在极大的延长无线传感器网络使用寿命的同时降低数据的平均传输延迟。     

采用角度因子的蚁群优化多路径路由算法

为均衡能量消耗、提高数据传输的可靠性,提出采用角度因子的蚁群优化多路径路由算法（ACOMP）。在密度递减节点部署策略的基础上,为避免能量“热区”,优化蚁群算法进行多路径搜索,搜索过程加入节点间的角度因子进行路径方向引导。基于对选出的各较优路径实时能量的感知,建立多路径决策模型,使得源节点可以选择当前性能最好的路径进行较可靠的数据传输。同时为避免路由空洞,定义修复蚂蚁并结合反馈机制使得路径保持良好状态。仿真结果表明：提出的算法可以实现节能、可靠的路由,并可均衡整个网络的能量消耗。     

基于改进支持向量机的无线传感器网络路由优化算法

为了解决当前无线传感器网络路由算法能耗大的缺陷,设计了基于改进支持向量机的无线传感器网络路由算法(PSO-LSSVM)。首先建立了无线传感器网络路由能耗的数学模型,然后通过组合模型的节点剩余能量进行在线估计,选择能耗最小的路由进行数据传输,最后在Matlab 平台上对该算法的性能进行测试。结果表明,PSO-LSSVM可以快速找到能耗最小的路由,改善了数据传输的可靠性,降低了数据的传输时延,而且综合性能优于对比的无线传感器网络路由算法。     

WMSN中的分布式视频编码GOP大小控制方法

针对分布式视频编码（DVC）序列在无线多媒体传感器网络（WMSN）中传输可靠性较低的问题,提出了一种考虑节点能耗的图像组（GOP）大小控制方法。该方法分析了DVC编码框架及节点的能量消耗情况,定义了节点的可用度和帧的活动度,并对分布式视频编码序列在编码和传输过程的能耗进行了计算。在此基础上,综合考虑帧的活动度与节点能耗,实现了对分布式视频编码GOP大小的有效控制。仿真实验结果表明,与现有的GOP大小控制方法相比,该方法提高了无线多媒体传感器网络中的DVC序列的峰值信噪比,降低了节点的平均能耗,其传输可靠性也得到了显著改善。     

云环境下利用用户到数据中心建模的高效节能路由算法

针对云计算用户、服务、供应商和数据中心的密度不断增长导致传输数据、网络流量和基础设施的大量能耗问题,提出针对云数据的高效节能路由算法。其目的是在用户和数据中心之间定位出最低能量消耗路线,同时确保用户需求。首先,对用户到数据中心的连通性进行建模,分析了网络拓扑结构;然后为了用户意图最简化和能量最小化,通过遍历节点最小数的基线最短路径算法进行评估,将用户任务通过最节能路径发送到数据中心,从而最小化能量损耗和服务响应时间(SRT)。实验的网络拓扑结构使用互联网服务提供商(ISP)的分支设计。实验结果表明提出的算法具有更短的路由路径长度和更低的路由能耗。此外,最短路径方法只有在成功发送或接收之后才能确定最节能的路由。     

基于Q学习量子蚁群的微纳卫星路由算法

在微纳卫星网络中,传统蚁群路由算法不能同时保证数据传输的安全性和网络业务的服务质量,且易陷入局部最优解,收敛速度较慢。为解决上述问题,提出一种实现多目标优化的Q学习量子蚁群路由算法。该算法在选择下一跳节点的转移概率时,将路径的平均信任值和路径的费用作为两个优化目标,构成最优路径的节点性能指标,保证数据传输的安全性和网络业务服务质量。在考虑路径费用函数时,将量子计算引入到状态转移概率计算中,避免陷入局部最优解,并在算法中引入Q学习的思想,将信息素映射成Q学习的Q值,强化算法在动态环境中的学习能力,以提高路由的整体性能。仿真结果表明,与蚁群优化算法和改进的蚁群多约束路由算法相比,Q学习量子蚁群路由算法明显改善包投递率、平均端到端时延和节点平均能耗等性能指标,避免了蚁群算法易陷入局部最优解,提高了收敛速度,可适用于具有高速移动节点的微纳卫星网络。     

基于蚁群算法的无线传感器网络能量有效路由算法研究

本文结合蚁群算法的理论,提出了改进的能量有效路由算法(IEEABR),该算法在蚂蚁数据包结构、概率选择公式及信息素更新公式等方面做了改进.通过为前向蚂蚁与后向蚂蚁设计不同的报文结构提高了传输效率.概率选择过程中考虑邻居剩余能量的相对大小,能够避免蚂蚁选择能量较小的邻居作为下一跳,均衡了网络能量的消耗.让前向蚂蚁在路径搜...     

Modelling a Learning-Based Dynamic Tree Routing Model for Wireless Mesh Access Networks

Link asymmetry in wireless mesh access networks (WMAN) of Mobile ad-hoc Networks (MANETs) is due mesh routers’ transmission range. It is depicted as significant research challenges that pose during the design of network protocol in wireless networks. Based on the extensive review, it is noted that the substantial link percentage is symmetric, i.e., many links are unidirectional. It is identified that the synchronous acknowledgement reliability is higher than the asynchronous message. Therefore, the process of establishing bidirectional link quality through asynchronous beacons underrates the link reliability of asymmetric links. It paves the way to exploit an investigation on asymmetric links to enhance network functions through link estimation. Here, a novel Learning-based Dynamic Tree routing (LDTR) model is proposed to improve network performance and delay. For the evaluation of delay measures, asymmetric link, interference, probability of transmission failure is evaluated. The proportion of energy consumed is used for monitoring energy conditions based on the total energy capacity. This learning model is a productive way for resolving the routing issues over the network model during uncertainty. The asymmetric path is chosen to achieve exploitation and exploration iteratively. The learning-based Dynamic Tree routing model is utilized to resolve the multi-objective routing problem. Here, the simulation is done with MATLAB 2020a simulation environment and path with energy-efficiency and lesser E2E delay is evaluated and compared with existing approaches like the Dyna-Q-network model (DQN), asymmetric MAC model (AMAC), and cooperative asymmetric MAC model (CAMAC) model. The simulation outcomes demonstrate that the anticipated LDTR model attains superior network performance compared to others. The average energy consumption is 250 J, packet energy consumption is 6.5 J, PRR is 50 bits/sec, 95% PDR, average delay percentage is 20%.