HLA战场虚拟环境仿真框架研究

高层体系结构(HLA)的出现为分布式仿真提供了新的技术支撑．有效地利用HLA为虚拟战场环境仿真服务,需对战场环境的描述方法和开发方案进行系统的研究．分析了基于HLA构造分布式虚拟战场环境的优越性,提出了有利于提高仿真逼真度、增强用户沉浸感的新的战场环境描述方法,给出了分布式虚拟战场环境研究框架,重点讨论了开发所涉及的几个关键问题,包括联邦成员、系统结构、仿真对象模型(SOM)和联邦对象模型(FOM)．实验和系统联调表明,该分布式虚拟战场环境仿真系统可以实现与其他作战实体仿真成员的正确交互,基本满足作战仿真需求．     

基于HLA的多传感器侦察系统仿真技术

采用基于高层体系结构(High Level Architecture,HLA)的分布交互式仿真方法模拟现代战争的信息化多传感器作战应用环境。建立传感器内部探测单元与联邦对象以及传感器与仿真成员的映射关系,在分析传感器和联邦成员的映射关系的基础上,提出了仿真系统总体技术框架。介绍了仿真成员的工作流程,进一步阐述了战场目标仿真成员的模型算法,以及典型的战场传感器(雷达)仿真成员的对象定义和模型算法,对仿真结果进行了分析。     

5G电力虚拟专网中基于联邦对抗学习的分布式异常检测算法

针对5G电力虚拟专网中高维、不均衡和分布式的数据特征，提出了一种基于联邦对抗学习的分布式异常检测算法。首先，鉴于生成对抗网络在获取高维复杂数据分布方面的优势，采用具有梯度惩罚的Wasserstien生成对抗网络(WGAN-GP)模型对网元中的多维运行数据进行分析和监控并获取其分布情况。其次，基于5G电力虚拟专网的管理架构，设计了一种基于联邦对抗学习的分布式异常检测框架，使分布式电力切片管理器能够协同训练全局异常检测模型，增强模型泛化能力。最后，通过数值仿真验证了基于联邦对抗学习的分布式异常检测算法的训练效率和检测性能。     

基于HLA的分布式虚拟靶试系统开发研究

高层体系结构(HLA)是目前分布式交互仿真领域最新的通用技术框架,基于HLA的仿真是系统仿真的发展方向。文章结合实例分布式虚拟靶试系统对HLA框架下的仿真系统设计进行深入研究,对本系统的开发环境、设计流程及系统开发实现过程中所需解决的主要关键技术时间同步作了讨论。本项研究对其它领域内基于HLA的联邦设计和开发具有参考价值.     

面向协同制造的分布式对象与虚拟设计环境研究

针对分布式在协同设计与制造环境中的需求,提出了实体对象与分布式对象的映射模型和平台匹配方案。分析了协同虚拟制造(CVM,collaborative virtual manufacturing)的技术体系,给出了实体对象的分析方法,提出了分布式环境下的分布式对象映射模型,并设计了CVM分布式支撑环境架构；引入单元匹配和平台匹配量化分析,改进了信息平台效率测度的评价方法。通过实例分析,得到了CVM系统结构拓展模型,对分布式虚拟设计与测试环节进行讨论,表明了应用协同与虚拟现实技术的改进效率。     

基于SIMBox平台的分布式空战训练系统设计

为满足空战训练的实际需要,基于SIMBox平台设计并开发了一套分布式空战仿真训练系统,设计和开发了系统组件,设计了训练管理系统的架构。依据HLA联邦模型的开发规则,设计开发了联邦和仿真对象模型,给出了仿真流程图。用SIMBox的通信接口和显示引擎实现了分布式训练仿真,与其他模拟训练系统相比,训练模拟和人员管理方面效能都得到显著加强。     

HLA在空空导弹协同仿真系统中的应用

为了解决组件重用和系统可扩展问题,以空空导弹、飞机为仿真对象,运用HLA分布式技术,分析导弹攻击空中目标仿真系统的功能并进行功能划分。系统设计了联邦对象并实现了联邦开发,组建了分布式仿真系统,并就设计开发过程中的关键技术如联邦成员框架结构设计、FOM/SOM设计、仿真运行机制等分别做了研究。     

利用Automation技术实现控制系统的实时在线仿真

提出了一种基于Automtion(自动化)技术的控制系统实时在线仿真方法.该方法以Matlab建立实时仿真的虚拟对象模型,由C Builder编程语言建立的通讯子系统处理虚拟对象与实际控制器PLC间的数据交换,其中与Matlab间通过基于COM的自动化接口,与实际控制器(OMRON PLC)间通过串口通信.最后指出了该系统应用于分布式实时仿真的可能性.     

战场复杂电磁环境视景仿真研究

使用计算机仿真技术进行战场电磁环境仿真模拟是现代军事科学研究的一个技术热点。利用现有地理信息系统和数字三维虚拟技术,以电波传播模型为基础,从战场电磁环境出发,对存在多种辐射源的战场电磁环境视景仿真系统进行总体设计。给出了开发仿真系统的组织框架和流程要求,并就平台开发中电磁模型建立、电子兵力仿真和场景辐射计算等关键技术的解决方案进行论证。     

一种基于联邦学习资源需求预测的虚拟网络功能迁移算法

针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题,该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型,然后提出一种基于分布式联邦学习框架协作训练预测模型,并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求。基于资源预测结果,联合系统能耗优化和负载均衡,提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略。仿真结果表明,两种算法的结合有效地降低了网络系统能耗并保证负载均衡。