舰船科学技术  2024, Vol. 46 Issue (5): 153-158    DOI: 10.3404/j.issn.1672-7649.2024.05.028   PDF    
损管指挥信息系统复杂网络拓扑结构研究
伞兵, 浦金云     
海军工程大学 力工程学院,湖北 武汉 430033
摘要: 现代舰船灾害发生的突然性、灾害传播的快速性及其影响的广泛性显著增强,迫切需要提升损管指挥体系的信息化水平。基于复杂网络理论,建立了舰艇损管指挥信息系统的网络拓扑模型。通过网络拓扑模型的特征指标计算,对不同的损管指挥信息网络模式进行评估分析,给出提升损管指挥信息化水平的优化方法。完成损管指挥信息系统组织结构模型的构建、分析和优化工作,开发允许拓扑结构方案自定义的性能计算软件,改善传统树状损管指挥结构的不足,为损管指挥信息化研究提供一个新的方向。
关键词: 损管指挥     信息系统     复杂网络     拓扑模型     网络优化    
Research on damage control command information system complex network topology
SAN Bing, PU Jin-yun     
College of Power Engineering, Naval University of Engineering, Wuhan 430033, China
Abstract: Due to the sudden occurrence of modern warship disaster, the rapidity of disaster propagation and its extensive influence, it is urgent to improve the information level of damage control(DC) command system. Based on the complex network theory, the network topology model of warship's DC command information system is established. Through the calculation of the overall performance indicators of the network topology model, different DC command information network models are evaluated and analyzed, and methods for improving the level of DC command informatization are given. The construction, analysis and optimization of the organizational structure model of the DC command information system are completed. The user-defined structural performance computation software is developed, the disadvantages of the traditional tree DC command architecture are improved, which provided a new direction for the research of the DC command informatization.
Key words: damage control command     information system     complex network     topology model     network optimization    
0 引 言

近年来,舰艇损管监控及指挥信息化系统水平日益提升,损管指挥的组织形式也发生了很大的变化,这对损管指挥与监控网络的信息化设计水平提出了更高的要求[1-3]。指挥信息网络拓扑研究,在军事上已有应用,但是目前主要集中在作战指挥领域[4-6]。舰艇损管作为另外一种对抗性活动,依然是在信息基础设施支撑下,损管系统内部各功能单元通过信息交互建立起的作用关系。损管指挥系统、损害监测系统以及损管控制系统三者之间,组成了结构复杂的网络系统[7]。如果舰艇损管指挥及监控体系设计的不合理,将造成信息传输效率、信息连通性、系统鲁棒性、系统抗损性、系统紧密性等网络结构特征指标低下,影响舰艇损管系统的使用效能。

目前,国内外关于损管指挥信息网络拓扑结构的理论研究,基本处于空白阶段。文献[8]和文献[9]构建了损管控制信息系统,研究了损管指挥中心这一局部能力的提升。然而,全舰损管指挥信息化能力的提升,不只取决于与局部性能的提升,而是全舰网络整体互联互通性能的综合提升。文献[10]提出了全舰性损管信息系统的一体化设计问题,但还停留在定性分析,并未给出有效的理论模型及计算方法。目前尚缺少损管指挥信息网络整体性能的评估模型、评估方法,导致损管指挥信息化能力无法得到量化、对比和优化,严重影响了当前损管指挥效率的提升。

因此,为了提高损管指挥信息系统的运行效率,提升损管指挥网络节点之间的互联互通的能力,迫切需要从复杂网络的角度出发,通过网络结构的构建、网络特征指标的计算,分析损管指挥信息系统设计中的不足,给出优化方法,这对提升舰艇损管指挥信息系统的实战化水平具有重要的意义[11]

1 损管指挥信息系统复杂网络特性分析

损管指挥信息系统通常由损害监测子系统、损管指挥子系统、损管控制子系统组成,分别对应图1中的各个网络。

图 1 损管指挥信息系统物理结构 Fig. 1 The physical structure of damage control command information system

其中,损害监测网络节点由各类火灾、高温、进水、液舱液位及舰船姿态传感器等组成[12-13]。损管指挥网络包括全舰、常规/特殊危险、区划等各级损管指挥中心,各节点按照指挥关系组成损管指挥网络。损害控制网络由损害管制的执行单元组成,节点包括各类灭火设备、消防泵、疏排水设备等[14]

图2所示,在进行损管指挥时,首先通过损害监测节点探测各类损害信息,形成舰艇损害态势,并传送给损管指挥节点[15]。指挥员经过决策,发布限制、控制和消除各类损害的指令,并将指令信息发送给损管控制节点加以执行。损管控制节点执行完成灭火、抗沉等损管动作后,灾害态势发生改变,损害监测节点不断探测新的态势,构成环形循环的指挥信息体系。

图 2 损管指挥信息系统立体模型 Fig. 2 The 3D model of damage control command information system

因此,损管指挥信息系统的整体性能并不是各子系统性能的简单相加,子系统之间连接机制的变化会引起整体性能的变化。作为一项新兴技术,复杂网络能够方便处理拥有海量节点、且节点与节点之间关系动态变化的问题。将复杂网络技术引入损管指挥信息系统的结分析问题,具有合理性和有效性。

2 指挥信息系统复杂网络特征参数

复杂网络注重从统计角度考察网络中大规模节点及其连接之间的性质 [16-17]。此处,借用张红霞[18]建立的作战指挥信息网络结构特性参数,为评估损管指挥信息网络的工作效率提供量化依据。

1) 信息传输效率 TE

$ TE{\text{ = }}\frac{{\displaystyle\sum\limits_{i \leqslant j \leqslant N} {{e_{ij}}} }}{{N\left( {N - 1} \right)/2}},$ (2.1)

式中:N为网络中的节点总数。

$ {e_{ij}}{\text{ = }}\frac{1}{{{d_{ij}}}} ,$ (2.2)

式中:dij为两节点之间的距离。

2) 信息连通性Co

$ Co{\text{ = }}\frac{m}{{APL}},$ (2.3)

式中:m为网络密度,APL为平均路径长度。

3) 系统鲁棒性R

$ R{\text{ = }}- \sum\limits_{i = 1}^N {\left( {{I_i}\ln {I_i}} \right)} ,$ (2.4)

式中:ki为第i个节点的度。

$ {I_i}{\text{ = }}\frac{{{k_i}}}{{\displaystyle\sum\limits_{i = 1}^N {{k_i}} }},$ (2.5)

4) 系统抗损性F

$ F{\text{ = }}\frac{{C{o^{\text{°}}}}}{{Co}} ,$ (2.6)

式中:CoCo°为关键节点失效前后的信息连通性。

5) 系统紧密性Cl

$ Cl{\text{ = }}\frac{1}{N}{\sum\limits_{i = 1}^N {\left( {\sum\limits_{j = 1}^N {{d_{ij}}} } \right)} ^{ - 1}}。$ (2.7)
3 损管指挥信息系统复杂网络建模

根据本文研究内容,从损管指挥功能的角度将损管指挥信息系统中的实体分为感知实体、决策实体和执行实体。感知实体对应于损害探测网络的探测设备,决策实体对应于损管指挥网络的指挥单元,执行实体对应于损管控制网络的控制设备。不同的实体对应于复杂网络的“节点”,各类实体之间的信息通信关系对应的复杂网络的“边”。

图3为典型的损管指挥信息系统复杂网络模型。其中,三角形代表损害探测节点,圆形代表损管指挥节点,正方形代表损管控制节点。图3中的边共有3种关系:指挥关系、监测通信关系以及控制命令关系。损管指挥节点之间的“边”连接表示有相互指挥关系,损害监测点与损管指挥节点之间的“边”连接表示有监测信息通信关系,损管指挥节点与损管控制节点之间的“边”表示有指挥控制关系。目前损管指挥体系下的复杂网络,探测节点与控制节点之间、探测节点与探测节点之间、控制节点与控制节点之间没有信息交互关系。

图 3 损管指挥信息系统复杂网络模型 Fig. 3 The complex network model of damage control command information system

图3的构建基于对传统损管指挥与监控关系的网络结构分析,系统结构具有节点联系单一,集聚系数高,度分布不均匀,少数节点拥有较高的度等不足。为了提高损管指挥的信息化效率,需要对该网络结构进行改进。将图3中的复杂网络,按照损管指控的信息链路,首先分解成3个独立的网络,如图4所示[19-20]。先解决最关键的损管指挥子网的优化,再开展损管指挥信息网络整体拓扑结构的优化工作。

图 4 复杂网络节点信息网分解图 Fig. 4 The exploded view of complex network node information network
4 损管指挥子网的改进及评估分析

图5(a)为当前损管指挥子网的拓扑图,包括三级指挥体系。其中C1表示全船损管指挥中心(一级),C2表示常规损管指挥中心(二级),C3和C4分别表示2个不同种类的特殊危险品损管指挥中心(二级),C5,C6,C7,C8表示常规损管站(三级),C9和C10分别表示一类特殊危险品损管站(三级),C11和C12分别表示二类特殊危险品损管站(三级)。图5(a)中,各个二级指挥中心、三级指挥部位都没有协调关系,指挥层次呈现线性结构,网络拓扑结构特征值较低。下面针对当前损管指挥子网拓扑结构的不足,提出包括3种协同方式的改进方案。

图 5 损管指挥子网拓扑的改进 Fig. 5 The modification of DC command subnet topology

协同方式1:如图5(b)所示,3个二级损管中心指挥中心协同。传统的指挥关系中,二级损管指挥中心之间无信息流通。该方式主要是增加二级损管中心节点之间的信息协同,增加了3条边。从图中可以看出,突出了二级损管中心节点的重要性,连接度增加,成为连接度最大的指挥控制层节点。

协同方式2:如图5(c)所示,各个二级指挥中心下的三级损管站进行协同,该方式是损管站之间的小范围协同,增加了6条边,也是实现信息共享的一种有效方式。

协同方式3:如图5(d)所示,二级指挥中心和三级损管站之间都协同,这是以上2种协同方式的综合,增加9条边,协同范围更广,网络化程度更高。

3种协同方式的网络化范围不断扩大,网络化程度不断提高。然而,增加不同的边,相当于增加了不同的资源。增加的边数越多,相当于需要增加的资源越多。计算包括原协同方式在内的4种方案的网络拓扑结构特征值,结果列于表1,可以得出以下结论:

表 1 损管指挥子网拓扑结构分析 Tab.1 Topology analysis of DC command subnet

1) 对于信息传输效率,方式d>方式b>方式c>方式a,因此增强二级损管中心的协同比增强损管站之间的协同对于提高信息传输效率更有效。

2)对于信息连通性,方式d>方式c≈方式b>方式a,因此增强二级损管中心的协同与增强损管站之间的协同对于提高信息连通性基本相当。

3)对于系统鲁棒性和系统抗损性,方式c>方式d>方式a>方式b。因此,增强二级损管中心的协同会降低鲁棒性和抗损性;增强损管站之间的协同会提高鲁棒性和抗损性。

4)对于系统紧密性,方式d≈方式b>方式c≈方式a。因此,增强二级损管中心的协同明显提高系统紧密性;增强损管站之间的协同对于提高系统紧密性不明显。

可以看出,网络拓扑结构特征值之间的关系分布复杂。作为设计人员,在进行方案选择时,要突出最关注的性能指标,并和资源的投入进行综合权衡,以获得最满意的设计方案。

5 损管指挥信息系统网络的整体性能改进

图3为例,改进前的损管指挥信息网络呈现典型的树状结构,节点协同性较差,网络内部信息传输效率以及信息联通性都不够强。根据以往的损管指挥经验,以提高损管指挥系统信息化水平为目标,对拓扑网络结构进行改进,如图6所示。主要优化功能包括:

图 6 损管指挥信息系统复杂网络的改进模型 Fig. 6 The improved model of complex network of DC command information system

1)加强了3个二级损管中心指挥中心的协同,提升了二级指挥中心的信息处理能力,将二级指挥中心作为关键节点。

2)增加了监测信息节点和灭火控制节点的信息互通(增加A5和D7相连接,A6和D8相连接)。例如,对于无人舱室,收到火灾报警之后,可以在不需要指挥决策的情况下,就自动进行灭火剂的释放。通过增加监测信息节点和灭火控制节点的信息互通,在无人舱室起火后,避免了将报警信息传送到指挥节点然后再由指挥节点下达灭火指令这2个环节的信息传送,可以在很短的时间内将火灾消除,有效提升了损管指挥的效率。

3)增加了控制设备之间的节点连接(增加A1和A2相连接,A3和A4相连接)。对于重点舱室,灭火设备一般会有多套。当启动一套设备而无法将火灾熄灭时,需要将信息传送到指挥中心并由其决策下达指令,在控制设备节点收到指令后再进行释放。然而,通过控制设备之间的节点连接,使得多套设备可以依次投入灭火,有效提高了损管系统的应用效能。

4)增加了损害监测信息之间的冗余备份能力,提升跨区划之间的信息应用水平(增加D1和C6相连接,D3和C7相连接等)。以往的损害监测信息按照舱室区划分布设计,由各个损管站负责管理。然而,对于可能会发生蔓延的舱室大火,其起火态势会分布在多个相邻损管站的指挥范围内。因此,通过损害监测信息的冗余备份,不仅提升了抗损能力,还满足了跨区划损管指挥对损害信息的需求。

针对图3(改进前)和图6(改进后)的损管指挥信息系统网络拓扑结构进行性能分析,计算结果如表2所示。

表 2 损管指挥信息网络拓扑结构分析 Tab.2 Topology analysis of DC command information network

可以看出,改进后的损管指挥信息系统网络结构,在整体性能指标上都比改进前要好。

6 网络结构性能计算软件开发

为了便于快速计算网络拓扑结构性能参数,开发了允许设计方案自定义的结构性能计算软件,如图7所示。

图 7 网络结构特征分析软件 Fig. 7 The network structure characteristic analysis software

该软件包括:网络结构图形可视化显示区、网络结构逻辑数字化定义区以及性能特征计算区。用户首先在网络逻辑数字化定义区,按照图论的顶点邻接关系,进行数字化自定义建模。软件会对网络图形进行显示,便于设计人员直观的检查网络结构。最后,设计人员完成检查后就可以进行性能特征值的计算。通过该分析软件,能够实现损管指挥信息网络结构的实时设计和评估,提高了相关理论成果的可用性水平。

7 结 语

损管指挥信息网络拓扑结构与指挥系统的使用效能密切相关,尤其对于大型舰艇而言,监测、控制、指挥节点众多,节点之间的整体信息交互效率,对损管指挥效能的影响更大。利用复杂网络理论,对损管指挥信息化系统进行建模,并通过整体特征指标的计算,对不同的设计模式进行了评估,找出了改进损管指挥效能的网络拓扑结构设计方案,提升了损管信息互联、互通和互操作的水平,为信息化条件下的损管指挥系统评估与设计开辟了一个新的研究方向。然而,网络性能的提升依赖于硬件和软件的资源投入,因此考虑成本投入与性能收益的综合优化分析,依然是以后需要研究的重点问题。

参考文献
[1]
董晓明, 石朝明, 黄坤, 等. 美海军DDG-1000全舰计算环境体系结构探析[J]. 中国舰船研究, 2012, 7(6): 7-15.
DONG X M, SHI C Y, HUANG K, et al. Analysis on the architecture of USN DDG-1000 total ship computing environment[J]. Chinese Journal of Ship Research, 2012, 7(6): 7-15.
[2]
SUH R J. Wireless content repurposing architecture for DC command and control[D]. Monterey: Naval Postgraduate School, 2003.
[3]
GERARD T, GREG J, LUC C. Functional modeling, scenario development, and options analysis to support optimized crewing for damage control[M]. Ottawa: CMC Electronics Inc, 2006.
[4]
田旭光, 朱元昌, 罗坤, 等. 基于复杂网络理论的指挥控制系统自适应重构模型[J]. 系统工程与电子技术, 2013, 35(1): 91-96.
TIAN X G, ZHU Y C, LUO K, et al. Adaptive reconstruction model for command and control system under information age based on complex network theory[J]. Systems Engineering and Electronics, 2013, 35(1): 91-96. DOI:10.3969/j.issn.1001-506X.2013.01.15
[5]
颜骥, 李相民, 刘立佳, 等. 机群多编队作战网络自同步[J]. 系统工程与电子技术, 2014, 36(8): 1566-1572.
YAN J, LI X M, LIU L J, et al. Combat network synchronization of air fleet formation[J]. Systems Engineering and Electronics, 2014, 36(8): 1566-1572.
[6]
朱林, 方胜良, 胡卿, 等. 卫星时变拓扑网络节点重要度评估方法[J]. 系统工程与电子技术, 2017, 39(6): 1274-1279.
ZHU L, FANG S L, HU Q. Evaluation method for time-varying satellite topology network node importance[J]. Systems Engineering and Electronics, 2017, 39(6): 1274-1279.
[7]
韩伟, 周佳宇, 刘克荣. 舰船损管监控系统的设计考虑[J]. 中国舰船研究, 2007(5): 58-62+71.
HAN W, ZHOU J Y, LIU K R. Design considerations of damage control and monitoring system for ships[J]. Chinese Journal of Ship Research, 2007(5): 58-62+71.
[8]
SOMMER M, FÜRCHO O. Integrated monitoring and control system for German navy K130 corvettes[C]// 14th International Ship Control Systems Symposium (SCSS). Ottawa, Canada, 2009.
[9]
CHUBB D, LEE K. The support challenge for the Royal navy’s Albion class landing platform docks[C]//14th International Ship Control Systems Symposium (SCSS). Ottawa, Canada, 2009.
[10]
CALABRESE F, CORALLO A, MARGHERITA A. A knowledge-based decision support system for shipboard damage control[J]. Expert Systems with Applications, 2012, 39(1): 8204-8211.
[11]
GEERTSMA R, GHIJBEN N B, MIDDELDORP E, et al. Development of fire fighting and damage control automation that enables future crew reduction[J]. Ship Science and Technology, 2015, 8(17): 69-85.
[12]
吴松, 李华. 人工神经网络在舰船火灾探测中的应用[J]. 中国舰船研究, 2007, 2(6): 55-58.
WU S, LI H. Application of artificial neural network in the fire detection of naval vessel[J]. Chinese Journal of Ship Research, 2007, 2(6): 55-58. DOI:10.3969/j.issn.1673-3185.2007.06.011
[13]
HENN E, MEYER J W, ZAHN P B, et al. Shipboard damaged stability assessment: the flooding casualty control software[J]. Naval Engineers Journal, 2010, 105(3): 152-166.
[14]
杜一村, 杨晨, 李玉峰. 某舰用安全监控系统模拟训练软件的设计与实现[J]. 中国舰船研究, 2018, 13(4): 155-160.
DU Y C, YANG C, LI Y F. Design and implementation of simulation training software for naval security monitoring system[J]. Chinese Journal of Ship Research, 2018, 13(4): 155-160.
[15]
CALABRESE F, CATALDO M, CORALLO A. Damage control system: an application for ship safety and security[C]// 9th IFAC Conference on Maneuvering and Control of Marine Craft. Arenzano, Italy: The International Federation of Automatic Control, 2012: 103-108.
[16]
邓宏钟, 吴俊, 李勇, 等. 复杂网络拓扑结构对系统抗毁性影响研究[J]. 系统工程与电子技术, 2008, 30(12): 2425-2428.
DENG H Z, WU J, LI Y, et al. Influence of complex network topologic structure on system invulnerability[J]. Systems Engineering and Electronics, 2008, 30(12): 2425-2428. DOI:10.3321/j.issn:1001-506X.2008.12.034
[17]
张强, 李建华, 沈迪, 等. 基于复杂网络的作战体系网络建模与优化研究[J]. 系统工程与电子技术, 2015, 37(5): 1066-1071.
ZHANG Q, LI J H, SHEN D, et al. Research on network modeling and optimization of operation system of systems based on complex network[J]. Systems Engineering and Electronics, 2015, 37(5): 1066-1071.
[18]
张洪霞. 基于复杂网络的指挥信息系统结构分析与网络化方法研究[D]. 长沙: 国防科技大学, 2013.
[19]
李炜, 冯伟强. 舰船损管智能化的技术途径分析[J]. 船舶工程, 2016, 38(11): 78-81.
LI W, FENG W Q. Analysis of technical approach for ship intelligent damage control[J]. Ship Engineering, 2016, 38(11): 78-81.
[20]
HÄNNINEN M, BANDA O A V, KUJALA P. Bayesian network model of maritime safety management[J]. Expert Systems with Applications, 2014, 41(7): 7837-7846.