CN113542063A - 分布式指挥控制系统效能检测方法、装置、设备和介质 - Google Patents
分布式指挥控制系统效能检测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN113542063A CN113542063A CN202110785803.2A CN202110785803A CN113542063A CN 113542063 A CN113542063 A CN 113542063A CN 202110785803 A CN202110785803 A CN 202110785803A CN 113542063 A CN113542063 A CN 113542063A
- Authority
- CN
- China
- Prior art keywords
- control system
- node
- analysis model
- efficiency
- network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 88
- 230000005540 biological transmission Effects 0.000 claims abstract description 61
- 230000004927 fusion Effects 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000006116 polymerization reaction Methods 0.000 claims abstract description 33
- 238000004891 communication Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 description 18
- 238000010276 construction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003012 network analysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 125000000769 L-threonyl group Chemical group [H]N([H])[C@]([H])(C(=O)[*])[C@](O[H])(C([H])([H])[H])[H] 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0888—Throughput
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请涉及分布式指挥控制系统效能检测方法、装置、设备和介质,方法包括:调用分布式指挥控制系统的各效能指标解析模型;效能指令解析模型包括网络吞吐力解析模型、平均传输率解析模型、网络关联度解析模型、节点度数聚合度解析模型、信息融合率解析模型和决策匹配率解析模型;根据分布式指挥控制系统的网络节点信息及节点连接关系,利用各效能指标解析模型分别解算得到各效能指标取值;效能指标取值包括网络吞吐力、平均传输率、网络关联度、节点度数聚合度、信息融合率和决策匹配率;对各效能指标取值进行加权求和,得到分布式指挥控制系统的综合效能。实现了高效评估得到分布式指挥控制系统效能的目的。
Description
技术领域
本申请涉及分布式系统技术领域,特别是涉及一种分布式指挥控制系统效能检测方法、装置、设备和介质。
背景技术
随着物联网、人工智能、云计算等高新技术在军事领域的快速发展及广泛应用,正在深刻改变军事活动形式,引发了一系列的革命性变化,如催生出马赛克作战、分布式作战和敏捷作战等各种新的作战概念。这些新的作战概念颠覆了传统作战思想和方法,其旨在运用智能化装备和手段,依托分布式指挥控制系统,采取动态协同、高度自主的作战方式,实现高效、可靠指挥和灵活、精确打击。
分布式指挥控制系统是由信息处理、辅助决策和通信指挥等各种功能要素,基于网络技术,按照特定组织关系与指挥机制相结合,履行分布式联合作战指挥控制职能的军事信息系统。相对于传统集中式指挥控制系统,分布式指挥控制系统的层次结构更加扁平、任务部署更加柔韧且行动支配更加敏捷,更适合对多类型、多区域分散配置的无人或人机协同的武器装备进行管控,是各种新型作战样式得以有效实施的基础。然而,在实现本发明的过程中,发明人发现目前研究者们针对分布式指挥控制系统的关键技术、体系结构及运行机制等领域相关问题提出了不少解决方法,但在系统效能评估方面仍然以面向传统集中式指挥控制的评估方法为主,存在着无法高效评估得到分布式指挥控制系统的效能的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够高效评估得到分布式指挥控制系统效能的分布式指挥控制系统效能检测方法、一种分布式指挥控制系统效能检测装置、一种计算机设备以及一种计算机可读存储介质。
为了实现上述目的,本发明实施例采用以下技术方案:
一方面,本发明实施例提供一种分布式指挥控制系统效能检测方法,包括步骤:
调用分布式指挥控制系统的各效能指标解析模型;效能指令解析模型包括网络吞吐力解析模型、平均传输率解析模型、网络关联度解析模型、节点度数聚合度解析模型、信息融合率解析模型和决策匹配率解析模型;
根据分布式指挥控制系统的网络节点信息及节点连接关系,利用各效能指标解析模型分别解算得到各效能指标取值;效能指标取值包括网络吞吐力、平均传输率、网络关联度、节点度数聚合度、信息融合率和决策匹配率;
对各效能指标取值进行加权求和,得到分布式指挥控制系统的综合效能。
另一方面,还提供一种分布式指挥控制系统效能检测装置,包括:
模型调用模块,用于调用分布式指挥控制系统的各效能指标解析模型;效能指标解析模型包括网络吞吐力解析模型、平均传输率解析模型、网络关联度解析模型、节点度数聚合度解析模型、信息融合率解析模型和决策匹配率解析模型;
效能解算模块,用于根据分布式指挥控制系统的网络节点信息及节点连接关系,利用各效能指标解析模型分别解算得到各效能指标取值;效能指标取值包括网络吞吐力、平均传输率、网络关联度、节点度数聚合度、信息融合率和决策匹配率;
综合效能模块,用于对各效能指标取值进行加权求和,得到分布式指挥控制系统的综合效能。
又一方面,还提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现任一项的上述分布式指挥控制系统效能检测方法的步骤。
再一方面,还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现任一项的上述分布式指挥控制系统效能检测方法的步骤。
上述技术方案中的一个技术方案具有如下优点和有益效果:
上述分布式指挥控制系统效能检测方法、装置、设备和介质,针对当前需要检测评估的分布式指挥控制系统,通过调用已经构建好的各效能指标解析模型,然后根据该分布式指挥控制系统的网络节点信息及节点连接关系,利用各效能指标解析模型分别解算获得该分布式指挥控制系统的各效能指标取值,最后对各效能指标取值进行加权求和,得到分布式指挥控制系统的综合效能,从而实现高效评估得到分布式指挥控制系统效能的目的,以准确评估分布式指挥控制系统的作战指挥和行动控制能力,可为各类新型作战体系分析设计与建设规划提供可靠参考。
附图说明
图1为分布式指挥控制系统的基本组成示意图;
图2为一个实施例中分布式指挥控制系统的网络示例图;
图3为一个实施例中分布式指挥控制系统的效能评估指标体系示意图;
图4为一个实施例中分布式指挥控制系统效能检测方法的流程示意图;
图5为一个实施例中c1取值随链路带宽增长的变化情况示意图;
图6为一个实施例中c3取值随修正系数λ增长的变化情况示意图;
图7为一个实施例中c6取值随各节点原始匹配率降低的变化情况示意图;
图8为一个实施例中C取值因指标权重设置而变化的情况示意图;
图9为一个实施例中分布式指挥控制系统效能检测装置的模块结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时,应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
从系统功能角度划分,分布式指挥控制系统的基本组成主要包括:信息融合分系统、决策支持分系统、信息传输分系统以及指挥人员等,其关联关系如图1所示。分布式指挥控制系统利用信息融合分系统接收和处理各路战场情报信息,通过决策支持分系统进行规则匹配、模型计算和人机交互等操作,形成多个作战方案,由指挥人员通过信息传输分系统下达行动部署、分配作战任务,并将各作战单位获取的战场信息反馈给信息融合分系统。
在分布式指挥控制系统中,各分系统分散且冗余地配置于不同区域,按照特定结构相互关联,通过对各类信息进行高效处理与快速交互实现指挥控制功能。信息传输分系统由大量通信链路和传输设备组成,信息融合分系统和决策支持分系统包含多个网络接入设备连接到信息传输分系统的传输设备上,利用各种通信链路以有线或无线方式互联互通,构成了以分散部署的信息融合分系统和决策支持分系统为指控节点、以高效互联的信息传输分系统为通信手段的指控网络,如图2所示,并成为分布式指挥控制系统的组织形式和运行基础。
综上,为了能够综合判断分布式指挥控制系统在新型作战样式中达成预期作战目的或任务目标的能力,全方位了解分布式指挥控制系统的作战效果、薄弱环节及重点建设发展方向,从信息传输能力、持续运行能力、任务完成能力等角度建立评估指标,通过量化解析方式,本申请研究给出了一种分布式指挥控制系统效能检测方法,可作为各类新型作战体系分析设计与建设规划的参考。
在实际应用中,从任务执行角度衡量分布式指挥控制系统效能,评价标准在于判断系统运行过程是否迅速、可靠以及有效。一是考查指控系统的信息传输能力,分析网络建设的完善程度;二是考查指控系统的持续运行能力,分析功能执行的可延续程度;三是考查指控系统的任务完成能力,分析功能作用的可实现程度。因此,可以据此选取典型关键性指标,建立分布式指挥控制系统效能检测评估的效能指标体系,如图3所示。
(1)网络吞吐力
网络吞吐力是指在各通信链路技术条件确定的情况下,指控网络的最大信息传输能力,体现了分布式指挥控制系统总体上可容纳的信息流量上限。网络吞吐力越强,在单位时间内能够转发的总的信息量就越大,传输效率就会越高。
(2)平均传输率
平均传输率是指各通信链路上传输的信息数据被有效接收的平均比例,体现了分布式指挥控制系统在单位时间内传输的信息量大小。平均传输率越高,各指控节点之间出现数据包丢失、解码错误、重组失序等传输问题的情况就会越少,实际信息传输量就会越大。
(3)网络关联度
网络关联度是指各指控节点之间关联关系的紧密程度。网络关联度高的分布式指挥控制系统,拥有更多的通信链路连接相同数量的指控节点,这些通信链路使得各指控节点之间能够建立更多的信息传输路径,相互联系更加紧密,系统运行更加可靠。
(4)节点度数聚合度
节点度数聚合度是指基于节点度数确定的指控网络聚合化程度。节点度数聚合度高的指控网络,拥有更多功能任务集中的指控节点,导致分布式指挥控制系统的任务中心化程度较大,功能配置不均衡,容易出现任务负载不平衡、功能执行瓶颈等降低系统运行效率的情况。
(5)信息融合率
信息融合率是指信息融合分系统对接收到的多路信息源进行有效融合的程度,体现了分布式指挥控制系统的信息分析处理能力。信息融合率越高,对各路信息源的关联分析和融合处理能力就越强,信息的转换和利用率会更高,得出的战情判断结果更为真实有效。
(6)决策匹配率
决策匹配率是指决策支持分系统对信息融合后得出的作战情况进行有效决策匹配的程度,取决于决策支持分系统中各类知识、规则和模型的匹配作用,体现了分布式指挥控制系统的决策生成能力。决策匹配率越高,对作战情况的框定会越准确,生成的决策方案会更符合作战要求。
将处于一地或同一指挥机构内的信息融合分系统、决策支持分系统抽象成指控节点,将信息传输分系统抽象成节点连接关系,即可利用已有的复杂网络理论和网络分析方法建立各项效能指标解析模型。
请参阅图4,一方面,本发明提供一种分布式指挥控制系统效能检测方法,包括如下步骤S12至S16:
S12,调用分布式指挥控制系统的各效能指标解析模型;效能指标解析模型包括网络吞吐力解析模型、平均传输率解析模型、网络关联度解析模型、节点度数聚合度解析模型、信息融合率解析模型和决策匹配率解析模型。
可以理解,各效能指标解析模型可以利用已有的复杂网络理论和网络分析方法预先构建获得。
S14,根据分布式指挥控制系统的网络节点信息及节点连接关系,利用各效能指标解析模型分别解算得到各效能指标取值;效能指标取值包括网络吞吐力、平均传输率、网络关联度、节点度数聚合度、信息融合率和决策匹配率。
可以理解,分布式指挥控制系统的网络节点信息及节点连接关系等信息,是指指控网络中所有指控节点的数量、网络吞吐量、网络的信息传输速率、节点链路的带宽、节点序号、链路序号及链路数量、节点的信息源、知识库、规则库和模型库等各类相关网络配置信息。前述信息可以由人工上传提供,也可以由检测评估设备在线抓取或下载等方式获得。
S16,对各效能指标取值进行加权求和,得到分布式指挥控制系统的综合效能。
可以理解,在分析解算出网络吞吐力、平均传输率、网络关联度、节点度数聚合度、信息融合率和决策匹配率等指标的基础上,对各项指标取值进行加权求和,可进一步判断求取分布式指挥控制系统的综合效能。
其中,0<C≤1,当C取值越大时,表示分布式指挥控制系统越能够充分发挥其作战指挥和行动控制能力,能够更加高效完成情报处理、形成决策建议、实施计划部署。
上述分布式指挥控制系统效能检测方法,针对当前需要检测评估的分布式指挥控制系统,通过调用已经构建好的各效能指标解析模型,然后根据该分布式指挥控制系统的网络节点信息及节点连接关系,利用各效能指标解析模型分别解算获得该分布式指挥控制系统的各效能指标取值,最后对各效能指标取值进行加权求和,得到分布式指挥控制系统的综合效能,从而实现高效评估得到分布式指挥控制系统效能的目的,以准确评估分布式指挥控制系统的作战指挥和行动控制能力,可为各类新型作战体系分析设计与建设规划提供可靠参考。
在一个实施例中,网络吞吐力解析模型为c1:
其中,L表示指控网络中的通信链路数量,banl表示第l条通信链路的带宽,N表示指控节点数量,Lmn表示第m个和第n个指控节点之间最短路径包含的所有链路的序号集合。
可以理解,指控网络在单位时间内的总吞吐量等于所有通信链路的带宽之和。将指控网络中的通信链路数量记为L,将第l条通信链路的带宽记为banl,将网络总吞吐量记为thr,则有:
为了避免网络规模和结构特征对评估结果产生影响,引入网络最大信息传输速率需求,并对网络总吞吐量与最大信息传输速率需求取比值,作为网络吞吐力的指标度量。
将指控节点的数量记为N,若其中第m个指控节点与第n个指控节点之间存在通信需求,由于受到各通信链路的带宽限制,则第m个指控节点与第n个指控节点之间的信息传输速率最大等于其通信路径中的最小链路带宽。假设指控节点之间均通过最短路径通信,将第m个指控节点与第n个指控节点之间最短路径包含的所有链路的序号集合记为Lmn,将m和n之间的最大信息传输速率记为thrmn,则有:
thrmn=min{banl|l∈Lmn,m≠n} (4)
若满负荷运行情况下,任意两个指控节点之间均存在通信需求,则指控网络的最大信息传输速率需求可由(5)式给出,记为thr′:
其中,m和n的取值范围分别设置为1≤m≤N-1和m+1≤n≤N,可使m与n取值不同且thrmn不会被重复计算。
在获得网络总吞吐量thr和最大信息传输速率需求thr′后,对其求比值即可得到分布式指挥控制系统的网络吞吐力,记为c1,则有:
c1=thr/thr′ (6)
将(3)式、(4)式和(5)式代入(6)式得上述的(2)式。在求取thr′的过程中,每条通信链路的带宽至少会被计算一次,可知thr≤thr′,即0<c1≤1,当指控网络为全连通网络时c1取值等于1。
通过上述步骤,可以快速得到所需的网络吞吐力解析模型。
在一个实施例中,平均传输率解析模型为c2:
其中,L表示指控网络中的通信链路数量,senl表示第l条通信链路的信息传输率。
可以理解,每条通信链路的信息传输率等于单位时间内接收端正确接收的信息量相对发送端发出的信息量的比例。各通信链路可能会采用不同的通信方式、收发信设备或传输介质,加上战场环境等多种因素的影响,导致通信链路的信息传输率也会各不相同。
在全双工通信条件下可忽略信息传输方向,将第l条通信链路的信息传输率记为senl,将分布式指挥控制系统的平均传输率记为c2,则有上式(7)。c2的取值范围为0≤c2≤1,当受到电磁干扰或天气影响时,c2取值将会降低,对于无线网络更突出。
通过上述步骤,可以快速得到所需的平均传输率解析模型。
在一个实施例中,网络关联度解析模型为c3:
c3=2L/(N×(N-1)) (8)
其中,L表示指控网络中的通信链路数量,N表示指控节点数量。
可以理解,网络关联度表现为通信链路相对于指控节点的数量大小,可利用通信链路数量L与指控节点数量N的比值计算。
将分布式指挥控制系统的网络关联度记为c3,则有:
c3=λ×L/N (9)
其中,λ为修正系数,由于通信链路数量最多为N(N-1)/2,当λ=1时,c3的取值范围为0≤c3≤(N-1)/2。为使c3取值归一化,可令λ=2/(N-1),代入(9)式得上述的(8)式。c3的取值范围为0<c3≤1,当通信链路数量为N(N-1)/2,即指控网络为全连通网络时,c3取值等于1,此时分布式指挥控制系统的连通性最强,节点互联关系最为紧密。
通过上述步骤,可以快速得到所需的网络关联度解析模型。
在一个实施例中,节点度数聚合度解析模型为c4:
其中,N表示指控节点数量,degn表示指控网络中第n个指控节点的度数。
可以理解,将指控网络中第n个指控节点的度数记为degn,其等于与节点n直接相连的节点数量。此处将节点n的度数聚合度定义为节点n的度数与节点数量N的比值,记为agdn,则有:
agdn=degn/N (11)
对所有节点的度数聚合度取最大值max{agdn|1≤n≤N},再分别与各个节点的度数聚合度相减,即可得到单个节点的任务中心化差异,记为agdn′,则有:
agdn′=max{agdn}-agdn (12)
在此基础上定义分布式指挥控制系统的节点度数聚合度等于1与平均任务中心化差异的差值,记为c4,以保证该项指标度量与指挥控制效能成正比,则有:
将(12)式代入(13)式得:
将(11)式代入(14)式得上述的(10)式。c4的取值范围为0<c4≤1,当指控网络为全连通网络时,每个节点的度数都相等,c4取值等于1,此时分布式指挥控制系统的任务中心化程度最低。可以理解,前述的每个节点是指每个指控节点。
通过上述步骤,可以快速得到所需的节点度数聚合度解析模型。
在一个实施例中,信息融合率解析模型为c5:
其中,N表示指控节点数量,fusn表示第n个指控节点的信息融合率。
可以理解,不同的信息融合分系统,其硬件配置、信息处理技术可各不相同,导致每个指控节点的信息融合率也不尽相同。
将第n个指控节点接收的信息源数量记为recn,可融合处理的信息源数量记为resn,将该指控节点的信息融合率记为fusn,则有:
fusn=resn/recn (16)
对所有指控节点的信息融合率取平均值,即可得到分布式指挥控制系统的信息融合率,记为c5,也即上述(15)式所示。c5的取值范围为0≤c5≤1,当所有指控节点的信息融合率均为1时,c5取值等于1,此时分布式指挥控制系统的信息融合能力达到最高。
通过上述步骤,可以快速得到所需的信息融合率解析模型。
在一个实施例中,决策匹配率解析模型为c6:
其中,N表示指控节点数量,knon表示第n个指控节点的知识匹配率,ruln表示第n个指控节点的规则匹配率,modn表示第n个指控节点的模型匹配率。
可以理解,受到指挥体制、软硬件配置等因素的影响,不同的决策支持分系统,其知识库、规则库和模型库的规模大小、匹配方式往往各不相同,导致各个指控节点的决策匹配率也不尽相同。
将第n个指控节点的知识匹配率、规则匹配率和模型匹配率分别记为knon、ruln和modn,将该指控节点的决策匹配率记为decn。由于知识、规则和模型三者不属于同一测量维度,此处利用knon、ruln和modn的平方均值计算decn,则有:
对所有指控节点的决策匹配率取平均值,即可得到分布式指挥控制系统的决策匹配率,记为c6:
将(18)式代入(19)式即可得到上述的(17)式。c6的取值范围为0≤c6≤1,当所有指控节点的知识匹配率、规则匹配率和模型匹配率均为1时,c6取值等于1,此时分布式指挥控制系统的决策匹配能力达到最高。
通过上述步骤,可以快速得到所需的决策匹配率解析模型。
应该理解的是,虽然图4流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其他的顺序执行。而且图4的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,为了更直观且全面地说明上述分布式指挥控制系统效能检测,下面提供的是对上述分布式指挥控制系统效能检测方法的其中一个应用示例。需要说明的是,本说明书中给出的实施示例仅为示意性的,并非为本发明具体实施例的唯一限定,本领域技术人员可以在本发明提供的实施示例的示意下,同理实现对不同分布式指挥控制系统的效能检测评估。
设某分布式指挥控制系统由分散部署的9个指控节点和相应的通信链路组成,节点连接关系及链路带宽设置如上图2所示。
利用(3)式计算出网络总吞吐量为thr=16M/s。利用(4)式计算出任意两个指控节点m(1≤m≤9)与n(1≤n≤9)之间的最大信息传输速率为:
在此基础上,利用(5)式计算出指控网络的最大信息传输速率需求为thr′=50M/s。将thr与thr′的取值代入(6)式得出网络吞吐力效能指标取值为c1=0.32。当图2中各通信链路的带宽设置逐渐增长时,c1的变化情况如图5所示,说明利用此方法得出的评估结果较为稳定。
将各通信链路的信息传输率设置为:“节点1-节点2”sen1=0.90,“节点2-节点3”sen2=0.93,“节点1-节点4”sen3=0.89,“节点2-节点4”sen4=0.95,“节点3-节点5”sen5=0.90,“节点4-节点5”sen6=0.92,“节点1-节点6”sen7=0.92,“节点6-节点7”sen8=1,“节点1-节点8”sen9=0.98,“节点3-节点9”sen10=0.98。根据(7)式得出网络平均传输率效能指标取值为c2=0.94。
指控网络的节点数量为N=9,链路数量为L=10。当修正系数λ设置为2/(N-1),即λ=0.25时,根据(8)式得出网络关联度效能指标取值为c3=0.28。当λ取值由0.1增加到1时,c3的变化情况如图6所示。
按照图2设置可知各个指控节点的度数分别为:deg1=4、deg2=3、deg3=3、deg4=3、deg5=2、deg6=2、deg7=1、deg8=1和deg9=1,则有max{degn}=deg1=4,与N=9一同代入(10)式得出节点度数聚合度效能指标取值为c4=0.80。
将各指控节点接收的信息源数量recn,以及可融合处理的信息源数量resn,分别设置为如下表1的第二行和第三行所示。根据(16)式计算出各指控节点的信息融合率fusn如表1第四行所示。将fusn与N=9代入(15)式得出信息融合率效能指标取值为c5=0.82。
表1
将各指控节点的知识匹配率knon、规则匹配率ruln、模型匹配率modn分别设置为如下表2的第二行、第三行和第四行所示。根据(18)式计算出各指控节点的决策匹配率decn如表2第五行所示。将decn与N=9代入(19)式得出决策匹配率效能指标取值为c6=0.72。当各指控节点的三项原始匹配率由设定值逐渐降低时,c6的变化情况如图7所示。
表2
已求得c1=0.32、c2=0.94、c3=0.28、c4=0.80、c5=0.82及c6=0.72,根据(1)式,依次将c1、c2、c3、c4、c5及c6的权重设为0.5,其余指标权重均设为0.1,即仅赋予某一项指标较高权重,得到综合效能取值C的变化情况如图8所示,其中虚线为平均分配指标权重后的结果。通过比较可以发现当某项指标取值较低(如c1和c3)或较高(如c2)时,该项指标的权重设置对综合效能的判断会有较大影响。
综上,针对分布式指挥控制系统效能评估问题,根据系统结构关系和运行过程,分析建立了效能评价指标体系,研究设计了相应的评估模型和解析计算方法,以及系统综合效能评价估算方法,通过算例验证了方法的有效性,可作为各类新型作战体系分析设计与建设规划的参考。
请参阅图9,在一个实施例中,还提供了一种分布式指挥控制系统效能检测装置100,包括模型调用模块11、效能解算模块13和综合效能模块15。其中,模型调用模块11用于调用分布式指挥控制系统的各效能指标解析模型;效能指标解析模型包括网络吞吐力解析模型、平均传输率解析模型、网络关联度解析模型、节点度数聚合度解析模型、信息融合率解析模型和决策匹配率解析模型。效能解算模块13用于根据分布式指挥控制系统的网络节点信息及节点连接关系,利用各效能指标解析模型分别解算得到各效能指标取值;效能指标取值包括网络吞吐力、平均传输率、网络关联度、节点度数聚合度、信息融合率和决策匹配率。综合效能模块15用于对各效能指标取值进行加权求和,得到分布式指挥控制系统的综合效能。
上述分布式指挥控制系统效能检测装置100,通过各模块的协作,调用已经构建好的各效能指标解析模型,然后根据该分布式指挥控制系统的网络节点信息及节点连接关系,利用各效能指标解析模型分别解算获得该分布式指挥控制系统的各效能指标取值,最后对各效能指标取值进行加权求和,得到分布式指挥控制系统的综合效能,从而实现高效评估得到分布式指挥控制系统效能的目的,以准确评估分布式指挥控制系统的作战指挥和行动控制能力,可为各类新型作战体系分析设计与建设规划提供可靠参考。
在一个实施例中,网络吞吐力解析模型为c1:
其中,L表示指控网络中的通信链路数量,banl表示第l条通信链路的带宽,N表示指控节点数量,Lmn表示第m个和第n个指控节点之间最短路径包含的所有链路的序号集合。
在一个实施例中,平均传输率解析模型为c2:
其中,L表示指控网络中的通信链路数量,senl表示第l条通信链路的信息传输率。
在一个实施例中,网络关联度解析模型为c3:
c3=2L/(N×(N-1))
其中,L表示指控网络中的通信链路数量,N表示指控节点数量。
在一个实施例中,节点度数聚合度解析模型为c4:
其中,N表示指控节点数量,degn表示指控网络中第n个指控节点的度数。在一个实施例中,信息融合率解析模型为c5:
其中,N表示指控节点数量,fusn表示第n个指控节点的信息融合率。
在一个实施例中,决策匹配率解析模型为c6:
其中,N表示指控节点数量,knon表示第n个指控节点的知识匹配率,ruln表示第n个指控节点的规则匹配率,modn表示第n个指控节点的模型匹配率。
关于分布式指挥控制系统效能检测装置100的具体限定,可以参见上文中分布式指挥控制系统效能检测方法的相应限定,在此不再赘述。上述分布式指挥控制系统效能检测装置100中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于具体数据处理功能的设备中,也可以软件形式存储于前述设备的存储器中,以便于处理器调用执行以上各个模块对应的操作,前述设备可以是但不限于本领域已有的各型检测评估系统或计算机终端。
又一方面,还提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时可以实现以下步骤:调用分布式指挥控制系统的各效能指标解析模型;根据分布式指挥控制系统的网络节点信息及节点连接关系,利用各效能指标解析模型分别解算得到各效能指标取值;对各效能指标取值进行加权求和,得到分布式指挥控制系统的综合效能。效能指令解析模型包括网络吞吐力解析模型、平均传输率解析模型、网络关联度解析模型、节点度数聚合度解析模型、信息融合率解析模型和决策匹配率解析模型,效能指标取值包括网络吞吐力、平均传输率、网络关联度、节点度数聚合度、信息融合率和决策匹配率。
在一个实施例中,处理器执行计算机程序时还可以实现上述分布式指挥控制系统效能检测方法各实施例中增加的步骤或者子步骤。
再一方面,还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:调用分布式指挥控制系统的各效能指标解析模型;根据分布式指挥控制系统的网络节点信息及节点连接关系,利用各效能指标解析模型分别解算得到各效能指标取值;对各效能指标取值进行加权求和,得到分布式指挥控制系统的综合效能。效能指令解析模型包括网络吞吐力解析模型、平均传输率解析模型、网络关联度解析模型、节点度数聚合度解析模型、信息融合率解析模型和决策匹配率解析模型,效能指标取值包括网络吞吐力、平均传输率、网络关联度、节点度数聚合度、信息融合率和决策匹配率。
在一个实施例中,计算机程序被处理器执行时,还可以实现上述分布式指挥控制系统效能检测方法各实施例中增加的步骤或者子步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成的,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其他介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线式动态随机存储器(Rambus DRAM,简称RDRAM)以及接口动态随机存储器(DRDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可做出若干变形和改进,都属于本申请保护范围。因此本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种分布式指挥控制系统效能检测方法,其特征在于,包括步骤:
调用分布式指挥控制系统的各效能指标解析模型;所述效能指标解析模型包括网络吞吐力解析模型、平均传输率解析模型、网络关联度解析模型、节点度数聚合度解析模型、信息融合率解析模型和决策匹配率解析模型;
根据所述分布式指挥控制系统的网络节点信息及节点连接关系,利用各所述效能指标解析模型分别解算得到各效能指标取值;所述效能指标取值包括网络吞吐力、平均传输率、网络关联度、节点度数聚合度、信息融合率和决策匹配率;
对各所述效能指标取值进行加权求和,得到所述分布式指挥控制系统的综合效能。
4.根据权利要求1所述的分布式指挥控制系统效能检测方法,其特征在于,所述网络关联度解析模型为c3:
c3=2L/(N×(N-1))
其中,L表示指控网络中的通信链路数量,N表示指控节点数量。
8.一种分布式指挥控制系统效能检测装置,其特征在于,包括:
模型调用模块,用于调用分布式指挥控制系统的各效能指标解析模型;所述效能指标解析模型包括网络吞吐力解析模型、平均传输率解析模型、网络关联度解析模型、节点度数聚合度解析模型、信息融合率解析模型和决策匹配率解析模型;
效能解算模块,用于根据所述分布式指挥控制系统的网络节点信息及节点连接关系,利用各所述效能指标解析模型分别解算得到各效能指标取值;所述效能指标取值包括网络吞吐力、平均传输率、网络关联度、节点度数聚合度、信息融合率和决策匹配率;
综合效能模块,用于对各所述效能指标取值进行加权求和,得到所述分布式指挥控制系统的综合效能。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述分布式指挥控制系统效能检测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,计算机程序被处理器执行时实现权利要求1至7中任一项所述分布式指挥控制系统效能检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110785803.2A CN113542063B (zh) | 2021-07-12 | 2021-07-12 | 分布式指挥控制系统效能检测方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110785803.2A CN113542063B (zh) | 2021-07-12 | 2021-07-12 | 分布式指挥控制系统效能检测方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113542063A true CN113542063A (zh) | 2021-10-22 |
CN113542063B CN113542063B (zh) | 2022-09-23 |
Family
ID=78098667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110785803.2A Expired - Fee Related CN113542063B (zh) | 2021-07-12 | 2021-07-12 | 分布式指挥控制系统效能检测方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113542063B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114924910A (zh) * | 2022-05-17 | 2022-08-19 | 江苏迈步信息科技有限公司 | 一种基于分布式存储系统的超融合数据管理的处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819661A (zh) * | 2010-05-06 | 2010-09-01 | 中国人民解放军理工大学 | 复杂系统的决策支持能力评估分析方法 |
CN108805430A (zh) * | 2018-05-30 | 2018-11-13 | 北京航空航天大学 | 一种防空反导体系作战能力评估方法与装置 |
CN109472494A (zh) * | 2018-11-12 | 2019-03-15 | 中国人民解放军火箭军工程大学 | 一种指挥控制系统服务保障能力评估指标量化模型 |
-
2021
- 2021-07-12 CN CN202110785803.2A patent/CN113542063B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819661A (zh) * | 2010-05-06 | 2010-09-01 | 中国人民解放军理工大学 | 复杂系统的决策支持能力评估分析方法 |
CN108805430A (zh) * | 2018-05-30 | 2018-11-13 | 北京航空航天大学 | 一种防空反导体系作战能力评估方法与装置 |
CN109472494A (zh) * | 2018-11-12 | 2019-03-15 | 中国人民解放军火箭军工程大学 | 一种指挥控制系统服务保障能力评估指标量化模型 |
Non-Patent Citations (3)
Title |
---|
孙华付: "指挥信息系统效能评估方法", 《四川兵工学报》 * |
张笑楠等: "基于复杂网络的指挥控制体系成熟度评估方法", 《火力与指挥控制》 * |
张练达等: "战场指挥控制系统的网络控制特性及其评估", 《装备指挥技术学院学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114924910A (zh) * | 2022-05-17 | 2022-08-19 | 江苏迈步信息科技有限公司 | 一种基于分布式存储系统的超融合数据管理的处理方法 |
CN114924910B (zh) * | 2022-05-17 | 2023-11-03 | 江苏迈步信息科技有限公司 | 一种基于分布式存储系统的超融合数据管理的处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113542063B (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Ant colony algorithm for satellite control resource scheduling problem | |
CN112327633A (zh) | 具有时滞和干扰的领导跟随多智能体系统一致性的方法 | |
Twu et al. | A measure of heterogeneity in multi-agent systems | |
CN113542063B (zh) | 分布式指挥控制系统效能检测方法、装置、设备和介质 | |
CN112632744A (zh) | 基于超网络模型的作战体系架构建模方法及空间探索算法 | |
CN112532442B (zh) | 一种用于全域指控网络的任务协同能力评估方法 | |
Bouthonnier et al. | Effectiveness analysis of C 3 systems | |
CN111967741B (zh) | 一种基于ec2的无人化作战体系云流化指控架构设计方法 | |
CN111475899A (zh) | 基于超网络理论的数据链网络可靠性指标体系构建方法 | |
CN117325157A (zh) | 一种多机器人协同作业的任务分配方法 | |
CN113934173A (zh) | 基于脉冲控制的多智能体系统分组一致性控制方法 | |
CN110874413B (zh) | 一种基于关联规则挖掘的防空多武器系统效能评估指标体系建立方法 | |
CN117649084A (zh) | 基于即时能效协议的任务重分配方法、装置及设备 | |
Zhu et al. | Deep reinforcement learning for fairness in distributed robotic multi-type resource allocation | |
CN116894469B (zh) | 端边云计算环境中的dnn协同推理加速方法、设备及介质 | |
CN111198977B (zh) | 一种基于图算法负载的图大数据流式划分方法 | |
Dinitz et al. | Load balancing with bounded convergence in dynamic networks | |
Hossain et al. | Decentralized latency-aware edge node grouping with fault tolerance for internet of battlefield things | |
Wu et al. | Consensus based distributive task allocation for multi-AUV in searching and detecting | |
Wigness et al. | Efficient and resilient edge intelligence for the internet of battlefield things | |
CN110618607B (zh) | 一种基于行为的多uuv自组织协调控制方法 | |
Zhang et al. | A bilevel task allocation method for heterogeneous multi-UUV recovery system | |
Lee et al. | A novel approach to asynchronous, decentralized decision-making in military command and control | |
Neema et al. | Dual phase consensus algorithm for distributed sensor management | |
Tang et al. | Dynamic scheduling for multi-level air defense with contingency situations based on Human-Intelligence collaboration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220923 |