一种面向大规模分布式综合模块化航电系统DIMA的多层次建模设计方法

摘要

本发明公开了一种面向大规模分布式综合模块化航电系统DIMA的多层次建模设计方法，分别对航电系统进行硬件层配置、软件层配置以及网络层配置并建模，并根据工程设计需求设计评价标准，然后通过单/多目标优化算法对建立的硬件配置层模型、软件配置层模型、网络配置层模型进行优化评估，得到优化后的硬件层配置向量X

说明书

技术领域

本发明涉及航空设备设计技术领域，尤其涉及一种大规模、多层次分布式综合模块化航电系统的建模设计方法。

背景技术

航电系统是现代飞机装备信息化的核心，是飞机的信息感知、显示和处理中心。其性能和技术水平直接决定和影响着飞机的整体性能。可以说，没有高性能、高水平的航空电子系统，就不可能有真正的国产大飞机。正是由于航电系统在整个飞机中的重要地位，航电系统架构的设计将直接影响到飞机的重量和运营成本等多个目标。但是由于科技的不断发展，飞机的功能和设备、网络配置的复杂性和挑战性不断增长，并且同时需要考虑大量的安全、资源等约束，航电系统的配置变得十分困难。所以设计一套规划合理、设计完善的国产化航电系统架构设计，实现一种大规模、多层次、分布式、综合化、模块化的配置航电系统设计模型十分必要。

航电系统经历了早期的分立式结构、联合式结构、综合化结构、综合模块化的演变，现在已经由综合模块化航电系统(IMA)逐渐向分布式综合模块化航电系统(DIMA)结构进行演变。DIMA是物理上分布、功能上综合的IMA结构，拥有联合式结构与IMA结构的共同优点，将综合化模块物理分布，充分发挥了自然故障壁垒和物理上位置可选的优点。为了降低DIMA系统开发的复杂度，提高服务质量，满足新一代航电系统协同、开放、高时效性、高安全性的要求，对DIMA的软件、硬件和网络等建立多层次模型。相对于IMA系统，DIMA的设备尽可能的将相关计算和I/O设备分布到靠近相关外设位置，正因为这种分布式的架构的改变，带来了设备、软件和网络多层次的配置问题。

由于不同的设备、软件和网络多层次的配置问题将在不同程度上影响飞机的安全、资源约束问题，同时也将影响飞机的质量、成本等问题。因此，航电系统各层次的合理配置十分重要。张超等人在文献“Modeling And Optimization In Distributed IntegratedModular Avionics”以及相关专利中通过设备的选择，并完成设备的硬件映射到安装空间，以及子任务映射到硬件设备，并提供了可靠性指标的度量方法，并且使用了非线性函数的约束和性能指标，而且在优化中考虑了可靠性指标的优先级。德国等人在论文中将不同的设备映射到四个不同的安装位置，不同的系统任务映射到不同的设备中完成对对DIMA的设备和任务建模，并使用多目标优化算法进行优化求解。

由于分布式综合模块化航电系统是一个分布式的计算系统，各个设备是由一个实时的网络连接而成。DIMA的实现是建立在标准化设备、通信资源和软件接口的基础上的，因此网络配置不容忽视。在当前的DIMA模型设计中，还没有考虑对DIMA架构网络配置设计的分析和建模。而且，当前在模型设计中普遍使用的0-1二进制编码的航电系统建模设计，这种0-1二进制的编码方式在面向实际航电系统复杂的、大规模条件下的结构中可扩展性差。

由于DIMA中网络分配的重要作用，和工程实际的大规模、多层次设计要求，因此本发明在任务和设备模型的基础上提出了DIMA网络配置的建模方法，同时对模型使用实数编码进行重新设计以适应大规模、多层次的DIMA架构模型设计。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种面向大规模分布式综合模块化航电系统DIMA的多层次建模设计方法，该方法解决了大规模、多层次航电系统中系统层、硬件层、安装层中设备、任务和网络的分层配置，不仅使得整个航电系统的建模层次更加全面、具体，而且可扩展性强，同时其安全和合理性得到加强。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种面向大规模分布式综合模块化航电系统DIMA的多层次建模设计方法，包括以下步骤：

步骤1.对航电系统进行硬件层配置，硬件层配置是将待安装DIMA设备映射到飞机安装位置的过程，将所有待安装DIMA设备的分配可能通过硬件层配置向量X_device进行描述，根据硬件配置的资源约束以及隔离约束结合硬件层配置向量X_device建立硬件配置层模型。

步骤2.对航电系统进行软件层配置，软件层配置是将航电系统任务映射到DIMA设备的过程，将所有任务的分配可能通过软件配置层向量X_Task进行描述，根据软件配置的资源约束、任务之间的隔离约束以及原子性约束结合软件配置层向量X_Task建立软件配置层模型。

步骤3.对航电系统进行网络层配置，网络层配置是在航电系统架构上寻找最优的DIMA设备的网络连接的过程，将所有网络的分配可能通过网络层配置向量X_Network描述，根据网络层配置的资源约束以及路径隔离约束结合网络层配置向量X_Network建立网络配置层模型。

步骤4.设计模型评价标准(即模型设计目标)，如质量和运营中断成本，并对模型选用单/多目标优化算法对分别建立的硬件配置层模型、软件配置层模型、网络配置层模型进行优化评估，或者通过多目标优化优化算法对分别建立的硬件配置层模型、软件配置层模型、网络配置层模型进行联合优化评估，得到优化后的硬件层配置向量X_device、软件配置层向量X_Task、网络层配置向量X_Network，进而完成DIMA设备、航电系统任务以及DIMA设备的网络连接的配置。

所述步骤1中建立硬件配置层模型的方法，包括以下步骤：

步骤11.收集待配置的航电系统的安装位置、系统任务、DIMA设备信息以及各安装位置能够提供的资源以及资源数据，并进行量化，同时获取DIMA设备的质量、体积、网络资源容纳能力，并进行量化。其中，第i个安装位置Location_i提供DIMA设备消耗的安装位置资源为r¹，则对第i个安装位置Location_i有一个可用的资源向量集

$>R_{{\mathrm{Location}}_i}=(r_{1,i}^1,...,r_{n,i}^1).$>

分别代表第i个安装位置可用的资源类型及其对应的数量，n表示第i个安装位置可以安装资源的个数,i∈N_location,i表示安装位置的索引,N_location表示安装位置的数量。

对于第j个设备Device_j有一个设备安装所需要的各种类型的安装资源的向量集

$>R_{{\mathrm{Device}}_j}=(r_{1,j}^2,...,r_{n,j}^2).$>

其中，第j个DIMA设备Device_j所需要的安装位置资源为r²，表示第j个设备安装所需要的资源类型的安装资源，，n表示安装资源的个数。

同时，在实际分配中，第j个设备Device_j安装到第i个安装位置Location_i消耗的资源表示为：

$>R_{{\mathrm{Device}}_j,{\mathrm{Location}}_i}=({\rho }_1,...,{\rho }_m,...,{\rho }_n).$>

ρ_m表示第j个设备消耗的每一个安装资源类型m的资源数量，n表示安装资源的个数，m∈R+。

步骤12.根据DIMA设备信息、系统任务以及待配置的航电系统的安装位置，将所有DIMA设备的分配可能通过硬件层配置向量X_device进行描述：

$>X_{device}={[x_{{\mathrm{Device}}_1{\mathrm{Location}}_i},x_{{\mathrm{Device}}_2,{\mathrm{Location}}_i},...,x_{{\mathrm{Device}}_r,{\mathrm{Location}}_i}]}^T.$>

向量X_device中的每一个表示某一种分配可能，即表示第j个设备被分配到第i个安装位置，Device_j表示第j个设备，j∈N_Task，N_Task为系统任务的数量。1，...，r为设备的索引，r为设备数量。Location_i表示第i个安装位置，Location_i为小于N_location的正自然数，i表示安装位置的索引,i∈N_location，N_location表示安装位置的数量。

步骤13.根据实际适用条件下硬件配置的资源约束，即每一个安装位置上，所有设备消耗的资源总量不能超过该安装位置所能够提供的资源总量，则所有安装在第i个安装位置Location_i中所有设备消耗的资源有。

$>{\Sigma }_{i=k}{R}_{{\mathrm{Device}}_j,{\mathrm{Location}}_i}\le R_{{\mathrm{Location}}_i},j\in N_{Task},k,i\in N_{location}.$>

表示第j个设备Device_j安装到第i个安装位置Location_i消耗的资源，表示第i个安装位置能够提供的资源总量。

步骤14.分析设备在安装位置上的隔离约束关系，即第m个设备Device_m和第n个设备Device_n需要在安装位置上进行隔离，那么在第m个设备分配可能安装位置以及第n个设备分配可能安装位置中，需要满足:

Location_p≠Location_q，p，q∈N_location。

步骤15.步骤12中的硬件层配置向量X_device、步骤13中的资源约束以及步骤14中的隔离约束关系共同构成了硬件配置层模型。

优选的：所述步骤1中建立硬件配置层模型的方法，还包括根据实际安全性要求和资源性约束条件，将设备禁止的分配的可能从硬件层配置向量X_device中删去。

所述步骤2中建立软件配置层模型的方法，包括以下步骤：

步骤21.收集待配置的航电系统的安装位置、系统任务、DIMA设备信息以及各安装位置能够提供的资源以及资源数据，并进行量化，同时获取DIMA设备的质量、体积、网络资源容纳能力，并进行量化。在软件配置中，系统功能被建模为具有信号交换能力的软件块Block，将整个航电系统功能划分为若干原子性的软件块，并将这样的软件块称为任务Task，任务是软件配置的最小单位。

步骤22.将系统任务映射到DIMA设备上，首先对系统任务类型和设备类型分析，并进行量化，将系统任务进行索引排序，将系统任务数量记为N_Task，设备数量记为N_device，然后将安装位置和DIMA设备按照一定的顺序进行排序，并设置一定的索引顺序。

每一个设备被一个以上的任务配置，对于每一个设备定义一个能力集合Capacity，该能力是设备的属性。该集合定义任务是否能够配置到该设备上，以及如果该任务被配置到设备上所消耗的资源集合即该设备可以分配的任务T_k，以及分配任务T_k消耗的第j个资源类型的资源r_j的数量向量r_j∈R+，d表示设备中的资源个数。

步骤23.根据DIMA设备信息、系统任务以及待配置的航电系统的安装位置，将所有任务的分配可能通过软件配置层向量X_Task进行描述：

$>\left(\begin{array}{c}{X}_{Task}=\\ {[x_{{\mathrm{Task}}_1,{\mathrm{Device}}_j,{\mathrm{Capacity}}_k},x_{{\mathrm{Task}}_2,{\mathrm{Device}}_j,{\mathrm{Capacity}}_k},...,x_{{\mathrm{Task}}_s,{\mathrm{Device}}_j,{\mathrm{Capacity}}_k}]}^T.\end{array}\right)$>

向量X_device中的每一个表示某一种分配可能，即表示第i个任务被分配到第j个设备上并使用了第k个能力，i＝1…s，s是任务的索引，s∈N_Task，N_Task为系统任务的数量，j为设备的索引，j∈N_Task，k为设备能力的索引，k∈N_capacity，N_capacity表示设备j能力的总数。

步骤24.根据实际适用条件下软件配置的资源约束，即分配到一个设备上任务消耗的资源总量不能超过该设备所能够提供的资源总量,所有安装在Device_j中所有设备消耗的资源有。

$>{\Sigma }_{s=l}{R}_{{\mathrm{Task}}_s,{\mathrm{Device}}_j}\le R_{{\mathrm{Device}}_l},s\in N_{Task},s,l\in N_{device}.$>

表示第s个任务Task_s安装到第j个设备Device_j消耗的资源。表示第l个设备能够提供的资源总量。

步骤25.根据任务之间的隔离约束关系，在某个具体的设备上，第a个任务Task_a和第b个任务Task_b需要进行隔离，那么第a个任务Task_a的分配可能以及第b个任务Task_b的分配可能中，需要满足：

$>{\mathrm{Device}}_{p_1}\ne {\mathrm{Device}}_{q_1},p_1,q_1\in N_{device};$>

步骤26.根据任务之间的原子性约束，第c个任务Task_c和第d个任务Task_d需要进行原子约束，那么第c个任务Task_c分配可能以及第d个任务Task_d分配可中，需要满足：

$>{\mathrm{Device}}_{p_2}={\mathrm{Device}}_{q_2},p_2,q_2\in N_{device}.$>

步骤27.步骤23中的软件配置层向量X_Task、步骤24中的软件配置的资源约束、步骤25中的任务之间的隔离约束关系、步骤26中的任务之间的原子性约束共同构成了软件配置层模型。

优选的：所述步骤2中建立软件配置层模型的方法，还包括根据实际安全性要求和资源性约束条件，即将禁止配置到某些设备上的系统任务，在软件配置层向量X_Task中将对应的系统任务删除。

所述步骤3中建立网络配置层模型的方法，包括以下步骤：

步骤31.收集外设分配、链路分配和线缆路由分配中的相关信息和数据，统计网络配置中的资源类型以及资源数据，收集待配置的航电系统的安装位置、系统任务、DIMA设备信息以及各安装位置能够提供的资源以及资源数据，并进行量化，同时获取DIMA设备的质量、体积、网络资源容纳能力，并进行量化。

步骤32.对网络配置系统任务类型和设备类型分析，并进行量化，将网络配置系统任务进行索引排序，将网络配置系统任务数量记为N_Connection，设备数量记为N_device，然后将安装位置和设备分别进行排序，并设置对应的索引顺序。

步骤33.在网络配置建模中，网络可以表述成一个边集E和顶点集V构成的无向图G。顶点集V＝{Location，Joints}，其中Location是安装位置，Joints是电缆路由连接点，边集E是电缆路由Routes。在信号分配中顶点集V是设备Device，边集Edges为对应的链路Link。

网络是由一系列的连接所组成，一个连接Connection由一个二元组(V_s，V_T)进行表述，其中V_s和V_T分别表示一个连接的源点和终点。

在建模前，首先对路径进行预先分析处理，对每一个需要考虑的连接Connection分析其可能的网络路径Path，并对这些可能的路径进行统计，并进行索引排序。

步骤34.根据DIMA设备信息、网络层配置系统任务以及步骤33建立的网络，将所有网络的分配可能通过网络层配置向量X_Network描述：

网络层配置向量X_Network为：

$>X_{Network}={[x_{{\mathrm{Connection}}_1,{\mathrm{path}}_{i,j}},x_{{\mathrm{Connection}}_2,{\mathrm{path}}_{i,j}},...,x_{{\mathrm{Connection}}_n,{\mathrm{path}}_{i,j}}]}^T.$>

表示第k个连接所使用的path_i，j这个路径，对每一个Connection_i中i∈N_Connection，每一个i是连接的索引，N_Connection为网络连接的数量，Path_i，j中j为连接i中网络路径的索引，为网络连接i的路径数。

步骤35.根据网络层配置的资源约束，即在每一个连接中，顶点或者边上消耗的资源总量不能超过所能够提供的资源总量，则使用不等式表示为：

$>{\Sigma }_{s=l}{R}_{{\mathrm{Connection}}_i,V_s}\le R_{V_l},i\in N_{Connection},s,l\in Connection;$>

$>{\Sigma }_{s=l}{R}_{{\mathrm{Connection}}_i,E_s}\le R_{E_l},i\in N_{Connection},s,l\in Connection;$>

表示顶点上消耗的资源，表示边上消耗的资源总数；

表示边上消耗的资源数量表示边上的资源总数。

步骤36.根据路径隔离约束关系，某些路径需要进行隔离，即在路径中具有某些相同的节点或者边连接需要被排除：

$>{\mathrm{Path}}_{p_3}\ne {\mathrm{Path}}_{q_3},p_3,q_3\in N_{{\mathrm{Connection}}_i,{\mathrm{Path}}_j}.$>

步骤37.步骤34中的网络层配置向量X_Network、步骤35中的网络层配置的资源约束以及步骤36中的路径隔离约束关系共同构成了网络配置层模型。

步骤4中根据实际的工程需要设计评估标准，以优化质量和运营中断成本评估模型为例，设计如下：

步骤41.优化质量

根据步骤1中建立的硬件配置层模型、步骤2中建立的软件配置层模型以及步骤3中的网络配置层模型得到设备重量ADCN的重量和外设线缆重量而航电系统的重量m为设备重量ADCN的重量和外设线缆重量的和。

m表示航电系统的重量，表示设备重量，表示ADCN的重量，表示外设线缆重量。

最终，得到质量指标f_m：

f_m＝(m₁>N)。

2.运营中断成本。

运营中断成本OIC是航班取消OIC^Cancel和航班延误OIC^Delay所造成的成本总和。

OIC＝OIC^Delay+OIC^Cancel。

最终得到，运营中断成本指标f_OIC。

f_OIC＝(OIC₁>N)。

有益效果：本发明提供的一种面向大规模分布式综合模块化航电系统DIMA的多层次建模设计方法，相比现有技术，具有以下有益效果：

(1)本发明提出了一种多层次的分布式综合模块化航电系统的建模设计，提供从软件、硬件和网络三个层次的模型设计方法，对整个航电系统的建模层次更加全面、具体。

(2)本发明针对大规模、整机条件下的设计格局重新设计了基于实数的数学模型，克服了原先0-1编码的可扩展性差的缺点，使得变量在面向大规模航电系统设计问题下的可扩展性上大大增强。

(3)本发明的模型设计中充分考虑了除资源约束外，对隔离约束、原子约束等安全性约束的考虑，使得模型在实际实施过程中安全和合理性得到加强。

附图说明

图1为本发明的结构示意图。

图2为本发明实施流程图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种面向大规模分布式综合模块化航电系统DIMA的多层次建模设计方法，如图1所示，包括以下步骤：

步骤1.对航电系统进行硬件层配置，硬件层配置是将待安装DIMA设备映射到飞机安装位置，将所有待安装DIMA设备的分配可能通过硬件层配置向量X_device进行描述，根据硬件配置的资源约束以及隔离约束结合硬件层配置向量X_device建立硬件配置层模型。

步骤2.对航电系统进行软件层配置，软件层配置是将航电系统任务映射到DIMA设备，将所有任务的分配可能通过软件配置层向量X_Task进行描述，根据软件配置的资源约束、任务之间的隔离约束以及原子性约束结合软件配置层向量X_Task建立软件配置层模型。

步骤3.对航电系统进行网络层配置，网络层配置是在航电系统架构上寻找最优的DIMA设备的网络连接，将所有网络的分配可能通过网络层配置向量X_Network描述，根据网络层配置的资源约束以及路径隔离约束结合网络层配置向量X_Network建立网络配置层模型。

步骤4.采用质量和运营中断成本通过单目标优化算法对分别建立的硬件配置层模型、软件配置层模型、网络配置层模型进行优化评估，或者通过多目标优化优化算法对分别建立的硬件配置层模型、软件配置层模型、网络配置层模型进行联合优化评估，得到优化后的硬件层配置向量X_device、软件配置层向量X_Task、网络层配置向量X_Network，进而完成DIMA设备、航电系统任务以及DIMA设备的网络连接的配置。

分布式综合模块化航电系统(DIMA)是航电系统软件和硬件标准化的产物。DIMA是一个由通用综合模块组成的计算平台，并在该计算平台上可驻留多个飞机任务(由飞机系统功能所分割的原子概念)。由于DIMA具有平台通用性，其计算、通信等资源可以被多个任务所共享，进一步可为飞机任务提供各种能力。硬件配置是将DIMA设备映射到飞机安装位置，在硬件配置中使用一个向量X_device对硬件层进行建模。软件配置是将航电系统任务映射到DIMA设备，在软件配置中使用一个向量X_task对任务层进行建模。网络配置是在航电系统架构上寻找最最优的网络连接，在网络配置中用一个向量X_network对网络进行建模。并且建立相关评估标准的目标函数集合。

为实现综合模块化航电系统的设计建模，具体包括以下步骤：

(1)硬件模型具体实施方法

在实施物理配置过程中，充分收集航电系统安装位置、设备信息和数据。统计飞机中航电系统的安装位置信息，以及各安装位置所有能够提供的资源以及资源数据，如安装位置的插槽、冷却能力或者容量等各种资源的资源类型和数量。并将这些数据进行合理量化，通过矩阵、向量的方式进行表述。为了后期的模型评估，需要获取系统功能设备的质量、体积、网络资源容纳能力等，然后根据这些设备的参数，进行安装空间、质量和成本的一个评估。

同时，需要收集DIMA设备相关信息和数据。DIMA设备是航电系统的硬件模块，通常是航电系统的输入/输出接口、通用的处理模块、远程数据集中器模块等。核心处理I/O模块(CPIOM)是DIMA上的核心设备，CPM是通用的处理单元，唯一的I/O接口是AFDX，RDC是远程数据集中器，具有先进的电磁干扰和振动保护I/O通道功能。对设备安装所需要的资源类型和资源数量进行统计，如安装到安装位置需要的插槽、冷却能力或者容量等各类资源需求类型和数量，并将这些数据进行合理量化，并且分析设备之间的隔离等约束关系，通过矩阵、向量的方式进行表述。

同时，为了在对后期进行评估，还需要对设备所连接的外部设备进行分析，并且考虑设备被分配到不同的安装位置时所造成外部设备(非DIMA设备，如传感器、驱动器等)、网络设备(非DIMA设备，如交换机、网络链路等)连接线路的变化数据，例如，每一个设备可以安装在不同的位置，不同的安装位置会产生不同的成本或者质量的变化。以及各设备和相关网络链路的单位质量、运营成本、初始配置成本等。DIMA设备的评估指标主要表现在：不同类型设备的数量、成本、占用空间、电缆使用情况等。各类外部设备的评估指标只要表现在：每个功能链接的外设位置，确定任务所在DIMA设备距离外设所需电缆的长度，然后推算电缆的重量和成本数据信息。

在DIMA硬件层建模中，将合适的DIMA设备映射到飞机的安装位置上。

这里假设对于设备来说软件映射已经被固定，即每一个设备已经被分配了相关的任务，这里仅仅将每个设备固定到安装位置上。但是，并不是每个安装位置都适合某个设备类型。例如，在暴露的安装位置上的设备需要更高的电磁干扰(电磁干扰)保护。动态冷却可能只适合在飞机的航电舱室，而且，每一个位置的空间是有限的。这些约束使用与软件映射相似的建模方法。安装位置Location_i提供DIMA设备消耗的安装位置资源r。对每一个安装位置Location_i有一个可用的资源向量集：

$>R_{{\mathrm{Location}}_i}=(r_{1,i}^1,...,r_{n,i}^1),$>

分别代表某种资源类型和数量，如插槽、冷却能力或者容量等安装资源的数量。同时，对每一个设备Device_j有一个向量集：

$>R_{{\mathrm{Device}}_j}=(r_{1,i}^2,...,r_{n,i}^2),$>

其中，第j个DIMA设备Device_j所需要的安装位置资源为r²，表示第j个设备安装所需要的资源类型的安装资源和数量，n表示安装资源的个数。

同时，在实际分配中，第j个设备Device_j安装到第i个安装位置Location_i消耗的资源表示为：

$>R_{{\mathrm{Device}}_j,{\mathrm{Location}}_i}=({\rho }_1,...,{\rho }_m,...,{\rho }_n);$>

ρ_m表示第j个设备消耗的每一个安装资源类型m的资源数量，n表示安装资源的个数，m∈R+；

在本发明中，硬件层配置向量为：

$>X_{device}={[x_{{\mathrm{Device}}_1{\mathrm{Location}}_k},x_{{\mathrm{Device}}_2,{\mathrm{Location}}_k},...,x_{{\mathrm{Device}}_r,{\mathrm{Location}}_k}]}^T,$>

对每一个Location_k中k∈N_location，每一个k是安装位置的索引，N_location为安装位置的数量，Device_j中j∈N_Task，1，...，r为设备的索引，r为设备数量。

在本发明所描述的模型中，需要考虑实际适用条件下的资源约束。每一个设备Device_j分配到安装位置Location_k上必须消耗一定的安装资源，如插槽、冷却能力或者容量，但是每一个安装位置上，所有设备消耗的资源总量不能超过该安装位置所能够提供的资源总量。即对每一个Device_j，所有安装在Location_k中所有设备消耗的资源有

$>{\Sigma }_{k=i}{R}_{{\mathrm{Device}}_j,{\mathrm{Location}}_k}\le R_{{\mathrm{Location}}_i},(j\in N_{Task},k,i\in N_{location})$>

安装位置约束，即某些设备由于其自身特性或者安装位置限制，某些设备禁止安装到一定的安装位置。同时我们在考虑安装位置约束时，我们可以在建模时可以将某些分配可能不予考虑，即在向量中删除这些变量，以减少搜索空间。

由于在航电系统的设计中，还必须考虑一定的安全性，即某些设备必须要在安装位置上进行隔离。因此，在设计过程中，需要考虑在某个具体的安装位置上，设备Device_m和Device_n需要进行隔离，那么在分配可能以及中，需要满足

Location_p≠Location_q(p，q∈N_location)

分配向量和相关约束关系共同构成了硬件配置的数学模型。

在实施中，首先对飞机中可行的航电系统安装位置进行分析，并进行量化，将航电系统设备按照一定顺序进行索引排序，将空间数量记为N_location，设备数量记为N_device，然后将安装位置和设备按照一定的顺序进行排序，并设置一定的索引顺序。然后将所有的分配可能通过一个向量进行描述。

其中，Location_k可以取小于N_location的正自然数，表示第i个设备被分配到第k个安装位置，每一个中设备的索引是固定的，只需要考虑该设备的安装位置。

根据实际安全性要求和资源性约束等条件，分析某些禁止的分配可能，然后将这些禁止的分配可能从X_device中删去，从而减少搜索空间。

然后使用前期收集和统计并经过量化后的资源，对上述资源向量进行实例化，并带入公式中，实现资源约束的数学模型。

最后，分析设备在安装位置上的隔离约束关系，并完成Location_p≠Location_q，p，q∈N_location的数学模型的表达。

如图1，综合配置向量和资源、隔离约束的各向量、矩阵，实现配置数学模型的建立。

(2)软件配置模型具体实施方法

系统任务也是航电设备上的重要模块，DIMA的主要模块的功能都是在通用硬件平台由软件实现。由于应用程序的可移植性、可重用性、可测试性和成本等问题，所以在设计时尽量实现硬件与软件的相对独立。

在软件配置中，系统功能被建模为具有信号交换能力的软件块(Block)，将整个航电系统功能划分为若干原子性的软件块，并将这样的软件块称为任务(Task)，任务是软件配置的最小单位。除此之外，在软件模型中，还要考虑为实现软件功能所需要的外部设备。

假设每一个设备被一个任务或多任务配置。对于每一个设备定义一个能力集合Capacity，该能力是设备的属性。该集合定义任务是否能够配置到该设备上，以及如果该任务被配置到设备上所消耗的资源集合。具体用数学表示为即该设备可以分配的任务T_k，以及分配每一个T_k消耗的每一个资源类型j的资源r_j∈R+的数量向量d表示设备中的资源个数。

在本发明中，任务层配置向量为：

$>X_{Task}={[x_{{\mathrm{Task}}_1,{\mathrm{Device}}_j,{\mathrm{Capacity}}_k},x_{{\mathrm{Task}}_2,{\mathrm{Device}}_j,{\mathrm{Capacity}}_k},...,x_{{\mathrm{Task}}_s,{\mathrm{Device}}_j,{\mathrm{Capacity}}_k}]}^T,$>

对每一个Task_s中s∈N_Task，每一个s是任务的索引，N_Task为系统任务的数量，Device_j中j为设备的索引，j∈N_Task，Capacity_k中k为设备能力的索引，k∈N_capacity，N_Capacity表示设备j能力的总数。

对于相同的任务和相同的设备具有不同的资源消耗集合是可能的，例如可选的I/O接口。所有的设备的资源都没有超过其能够提供的资源的总和，这样的软件配置才是有效的。

此外，某些任务需要一些额外的约束。例如某些任务可能需要某些外部设备P的支持，即如果某些任务被分配到DIMA设备上，相关的外部设备也必须物理连接到该DIMA设备上。因为安装位置上的外部设备在大多数的情况下是影响了整个架构的线缆重量。此外，任务还要受到相应的设备，安装位置，或者电源供应的约束。最重要的，隔离和原子的约束，决定了一组任务必须或者必须不能共享一个DIMA设备，设备类型或者安装位置。例如，两个冗余系统的两个相同部分通常必须要被隔离。

在设备、安装位置以及电源供应约束中，由于任务自身属性和设备自身限制，某些系统任务禁止配置到某些设备上，这些限制可能是设备、安装位置或者电源供应的限制，因此为了航电系统设计的安全性考虑，同时减少搜索空间，在向量编码中将这些可能删除。

每一个任务Task必须被配置到DIMA设备Device上,而不能独立于设备存在。但是支持任务必须要DIMA设备提供相关的资源(Resources)，这些资源可能是计算能力、内存或者I/O接口。每一个设备D_i提供的资源类型j的资源r_j∈R+使用一个向量表示。

在实现资源约束时，每一个任务Task_s分配到安装位置Device_j上必须消耗一定的设备资源，如计算能力、内存或者I/O接口，但是每一个设备上，所有分配到一个设备上任务消耗的资源总量不能超过该设备所能够提供的资源总量。即对每一个Task_s，所有安装在Device_j中所有设备消耗的资源有

$>{\Sigma }_{s=l}{R}_{{\mathrm{Task}}_s,{\mathrm{Device}}_j}\le R_{{\mathrm{Device}}_l},(s\in N_{Task},s,l\in N_{device})$>

类似在硬件配置，即某些任务必须在设备之间进行隔离，即某些任务不能被陪陪到同一个设备上。在设计过程中，需要考虑在某个具体的设备上，任务Task_a和Task_b需要进行隔离，那么第a个任务Task_a的分配可能以及第b个任务Task_b的分配可能中，需要满足：

$>{\mathrm{Device}}_{p_1}\ne {\mathrm{Device}}_{q_1},p_1,q_1\in N_{device};$>

同时，由于系统功能的需求，某些任务之间具有协作性，某些任务必须同时被分配到同一设备上，即任务之间的原子性约束。任务Task_c和Task_d需要进行原子约束，那么第c个任务Task_c分配可能以及第d个任务Task_d分配可中，需要满足：

$>{\mathrm{Device}}_{p_2}={\mathrm{Device}}_{q_2},p_2,q_2\in N_{device};$>

在软件配置实施过程中，充分收集DIMA设备相关信息和数据。统计DIMA所有能够提供的资源类型以及资源数据，如计算资源、存储资源、I/O等各种资源的资源类型和数量。并将这些数据进行合理量化，通过矩阵、向量的方式进行表述。为了后期的模型评估，需要获取DIMA设备的质量、体积等，以及设备连接的外部设备线路长度和单位成本、质量等，并且统计相关设备的MEL(最低设备清单级别)。

同时，将航电系统的所有系统功能进行分析和统计，并将系统功能分割成原子性的系统任务，并明确各系统任务执行时所需要连接的外部设备，以及任务执行所需要的硬件环境和所需要的资源类型以及资源数据，如计算资源、存储资源、I/O等各种资源的资源类型和数量。并将这些数据进行合理量化，通过矩阵、向量的方式进行表述。为了后期的模型评估，需要获取任务所连接外部设备的质量体积，以及相关线缆长度和单位成本、数量等。

在DIMA软件层建模中，将系统任务映射到DIMA设备上。在实施中，首先对系统任务类型和设备类型分析，并进行量化，将系统任务按照一定顺序进行索引排序，将系统任务数量记为N_Task，设备数量记为N_device，然后将安装位置和设备按照一定的顺序进行排序，并设置一定的索引顺序。然后将所有的分配可能通过一个向量进行描述。

$>X_{Task}=\left(\begin{array}{cccccc}{\mathrm{Task}}_1& {\mathrm{Task}}_2& \mathrm{...}& {\mathrm{Task}}_i& \mathrm{...}& {\mathrm{Task}}_{N_{device}}\\ {\mathrm{Device}}_j,{\mathrm{Capability}}_k& {\mathrm{Device}}_j,{\mathrm{Capability}}_k& \mathrm{...}& {\mathrm{Device}}_j,{\mathrm{Capability}}_k& \mathrm{...}& {\mathrm{Device}}_j,{\mathrm{Capability}}_k\\ x_{{\mathrm{Task}}_1,{\mathrm{Device}}_j,{\mathrm{Capacity}}_k},& x_{{\mathrm{Task}}_2,{\mathrm{Device}}_j,{\mathrm{Capacity}}_k},& \mathrm{...}& x_{{\mathrm{Task}}_i,{\mathrm{Device}}_j,{\mathrm{Capacity}}_k},& \mathrm{...}& x_{{\mathrm{Task}}_{N_{Task}},{\mathrm{Device}}_j,{\mathrm{Capacity}}_k}\end{array}\right)$>

其中，Device_j可以取小于N_device的正自然数，表示第i个设备被分配到第j个设备上并使用了第k个能力，每一个Device_j，Capacity_k中设备和能力的索引是固定的，只需要考虑该任务所分配到的设备以及所使用的能力。

根据实际安全性要求和资源性约束等条件，分析某些禁止的任务分配可能，例如计算型任务不能分配到I/O型设备上。然后将这些禁止的分配可能从X_Task中删去，从而减少搜索空间。

然后分别将前期收集和统计并经过量化后的计算资源、存储资源和I/O资源等各种资源类型和资源数量分别带入各数学向量，并带入公式：

$>{\Sigma }_{s=l}{R}_{{\mathrm{Task}}_s,{\mathrm{Device}}_j}\le R_{{\mathrm{Device}}_l},(s\in N_{Task},s,l\in N_{device})$>

中，实现资源约束的数学模型。

由于某些任务之间无法进行共存，即存在某些隔离约束关系。例如，为保障航电系统的安全，相互冗余的系统之间通常必须分配到不同的设备上。隔离约束关系，并完成的隔离约束数学模型的建立。

最后，根据前期系统需求分析，对某些具有协作性的任务进行原子性约束，即构建的原子约束数学模型。

最终，如图1，完成软件配置模型建立。

(3)网络配置模型具体实施方法

网络配置主要包括外设分配、链路分配和信号分配。外设分配是外设线缆从非DIMA设备到DIMA设备在整个飞机的结构的路由。外设线缆用于连接DIMA设备和外部设备，在外设分配主要解决的是将线缆映射到电缆路由和安装位置。链路分配是ADCN线缆的路径路由。连接DIMA设备的线缆被放置在外设线路中相同的线缆位置。链路上的信号分配需要被明确，用来满足隔离约束。

链路分配是相似于外设线缆分配的物理性分配。与外设线缆分配不同的是，网络连接被分配到飞机的结构上。

信号分配决定了任务的路由在链路和设备上的通信。信号消耗一定的资源如带宽或者链路上的信号和交换机的数量。此外，相关联的任务和安全性约束。信号时任务之间的数据交换。如果任务被分配到设备上并且网络已知，那么信号分配路径决定了信号从生产型任务的物理位置到消费型任务的物理位置之间的路径。信号分配给一系列的链路和设备。

外设线缆、链路和信号分配的共同点是在网络拓扑中都有一个起点和终点连接形成的路径。而且优化的目标都是使得这条路径最短，最轻、最便宜、最快速的。在建模过程中，还需要综合考虑路径的能力、安全约束。

在网络配置建模中，网络被表述成一个边集E和顶点集V构成的无向图G。以外设线缆和线缆路由为例，则顶点集V＝{Location，Joints}，其中Location是安装位置，Joints是电缆路由连接点，边集E是电缆路由Routes。在信号分配中顶点集V是设备Device，边集Edges为对应的链路Link。

网络是由一系列的连接所组成，一个连接Connection由一个二元组(V_s，V_T)进行表述，其中V_s和V_T分别表示一个连接的源点和终点。同时在实际的配置中还需要考虑一些在链路中的隔离约束和资源约束。隔离约束是由于某些安全约束或者其他限制，例如在某些连接中不能有共同的顶点或者边。此外，还需要满足网络配置中的资源约束。

在建模前，首先对路径进行预先分析处理，对每一个需要考虑的连接Connection分析其可能的网络路径Path，并对这些可能的路径进行统计，并进行索引排序。

在本发明中，网络层配置向量为：

$>X_{Network}={[x_{{\mathrm{Connection}}_1,{\mathrm{path}}_{i,j}},x_{{\mathrm{Connection}}_2,{\mathrm{path}}_{i,j}},...,x_{{\mathrm{Connection}}_n,{\mathrm{path}}_{i,j}}]}^T,$>

对每一个Connection_i中i∈N_Connection，每一个i是连接的索引，N_Connection为网络连接的数量，Path_i，j中j为连接i中网络路径的索引，为网络连接i的路径数。

在实现网络配置的资源约束时，但是每一个连接中，顶点或者边上消耗的资源总量不能超过所能够提供的资源总量。则使用不等式表示为：

$>{\Sigma }_{s=l}{R}_{{\mathrm{Connection}}_i,V_s}\le R_{V_l},(i\in N_{Connection},s,l\in Connection)$>

$>{\Sigma }_{s=l}{R}_{{\mathrm{Connection}}_i,E_s}\le R_{E_l},(i\in N_{Connection},s,l\in Connection)$>

表示顶点上消耗的资源，表示边上消耗的资源总数表示边上消耗的资源数量表示边上的资源总数。

类似在软件和硬件配置中，某些路径需要进行隔离，即在路径中具有某些相同的节点或者边连接需要被排除:

$>{\mathrm{Path}}_{p_3}\ne {\mathrm{Path}}_{q_3},(p_3,q_3\in N_{{\mathrm{Connection}}_i,{\mathrm{Path}}_j})$>

在软件配置实施过程中，充分收集外设分配、链路分配和线缆路由分配中的相关信息和数据。统计网络配置中的资源类型以及资源数据，同时考虑所需要的隔离约束。并将这些数据进行合理量化，通过矩阵、向量的方式进行表述。同时，还要考虑到模型评估，以及相关线缆长度和单位成本、数量等数据，以及相关联的交换机、链路等，并且统计相关设备的MEL(最低设备清单级别)。

在实施中，首先对系统任务类型和设备类型分析，并进行量化，将系统任务按照一定顺序进行索引排序，将系统任务数量记为N_Connection，设备数量记为N_device，然后将安装位置和设备按照一定的顺序进行排序，并设置一定的索引顺序。然后将所有的分配可能通过一个向量进行描述。

$>X_{Network}=\left(\begin{array}{cccccc}{\mathrm{Connection}}_1& {\mathrm{Connection}}_2& \mathrm{...}& {\mathrm{Connection}}_k& \mathrm{...}& {\mathrm{Connection}}_{N_{Connection}}\\ {\mathrm{path}}_{i,j}& {\mathrm{path}}_{i,j}& \mathrm{...}& {\mathrm{path}}_{i,j}& \mathrm{...}& {\mathrm{path}}_{i,j}\\ x_{{\mathrm{Connection}}_1,{\mathrm{path}}_{i,j}},& x_{{\mathrm{Connection}}_2,{\mathrm{path}}_{i,j}},& \mathrm{...}& x_{{\mathrm{Connection}}_k,{\mathrm{path}}_{i,j}},& \mathrm{...}& x_{{\mathrm{Connection}}_{N_{Connection}},{\mathrm{path}}_{i,j}}\end{array}\right)$>

其中，Connection_k可以取小于N_Connection的正自然数，表示第i个连接所使用的path_i，j这个路径。

然后分别将前期收集和统计并经过量化后的网络资源等各种资源类型和资源数量分别带入各数学向量，并带入公式：

$>{\Sigma }_{s=l}{R}_{{\mathrm{Connection}}_i,V_s}\le R_{V_l},(i\in N_{Connection},s,l\in Connection)$>

$>{\Sigma }_{s=l}{R}_{{\mathrm{Connection}}_i,E_s}\le R_{E_l},(i\in N_{Connection},s,l\in Connection)$>

中，实现网络模型中资源约束的数学模型。

根据实际安全性要求和资源性约束等条件，分析某些禁止的路径可能，即存在隔离约束关系。完成的数学表达。

最终，如图1，完成网络配置模型建立。

(4)根据实际的工程需要设计评估标准，以优化质量和运营中断成本评估模型为例，设计如下：

1.质量

重量是评估航电系统设计最重要的一个目标，飞机的飞行成本和效率在很大程度上会受到重量的限制。航电系统的重量主要由设备重量ADCN的重量和外设线缆重量三个因素构成，是航电设备硬件的重量、安装材料的重量等的综合。

在建模中，设备重量是所有硬件模块重量的总和。ADCN是指网络电缆和交换机等网络模块的质量综合，其受到网络技术、冗余水平和模块分配的影响。外设线缆的重量指的是DIMA硬件设备和外部设备之间的连接线缆的重量。

最终，得到质量指标f_m

f_m＝(m₁>N)

2.运营中断成本

运营中断成本也是航电系统评估的重要指标之一。运营中断成本通常是由于航电系统的非计划性的维护操作所造成的飞机航班延误、取消所造成的成本，例如对DIMA设备的维修或更换。飞机航班的取消或者延误取决于最低设备清单和维修或更换的时间。因此，运营中断成本是航班取消或者延误所造成的成本总和。

OIC＝OIC^Delay+OIC^Cancel

最终得到，运营中断成本

f_OIC＝(OIC₁>N)

在上述目标评估中，通常还需要对模型编码进行扩展和约束，以适应在优化过程中所使用的设备、任务或者网络。

根据工程实际需求，分别对硬件、软件和网络模型进行评估。例如使得优化质量最小，即使得f_m^Tx最小，使得运营中断成本最小，即使得f_OIC^Tx最小。根据工程实际需要，可以选用单、多目标的优化算法对整个模型进行评估。如图2。

综上所述，本发明充分考虑实际航电系统设计中的问题，建立了面向大规模、多层次的分布式综合模块化航电系统的建模设计方法。充分考虑模型设计中的约束关系，和模型本身在面临大规模问题中的可扩展性。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。