本发明涉及通信网络仿真技术领域，具体的说，是一种实时通信网络仿真系统。
背景技术：
计算机仿真技术computersimulationtechnology利用计算机科学和技术的成果建立被仿真的系统的模型，并在某些实验条件下对模型进行动态实验的一门综合性技术。仿真是对现实系统的抽象属性的模仿，通过对真实世界的系统创建模型可以实现低成本、可重复实验的仿真测试。而现有的通信网络仿真系统，通常采用在部署通信网络前，对通信网络上所有的网络资源包括网络设备，网络节点以及传输链路采用逐渐递增的方式进行模拟，以寻找通信网络的最大容量以及通信网络的最大负载量，而对通信网络中部署完成后，很少根据通信网络中的网络节点进行模拟仿真，分析网络节点的状态，进而分析通信网络的通信质量。通信网络在部署完成之后，还会动态的增加或减少网络资源，而现有的仿真系统无法根据通信网络上的实时网络资源进行估算和预测网络质量，无法预测当前网络上可能发生的各种故障，只有等发生以后再去查找和解决，因此，具有滞后性，无法事先预知可能发生的事情并及时采取预防措施。
技术实现要素：
本发明的目的在于提供一种实时通信网络仿真系统，用于解决现有技术中仿真系统无法根据通信网络中网络资源的动态变化进行估算和预测通信质量的问题。
为了达到上述目的，本发明通过下述技术方案实现：
一种实时通信网络仿真系统，包括：
设置模块：收集通信网络上的网络资源，用户从所述网络资源中选择仿真要素，并发送至仿真模型生成模块；
仿真模型生成模块：根据所述仿真要素，按照模型生成算法，生成仿真模型，并按照通信协议运作仿真模型，生成运作状态信息；
gui模块：与所述仿真模型生成模块连接，用于显示仿真模型生成模块中仿真模型的运作状态；
模型数据库：用于存储仿真模型，包括当前仿真模型和历史仿真模型；
消息接口模块：用于接收仿真模型的运作状态信息，并将所述运作状态信息发送到消息服务器；
消息服务器：用于存储所述仿真模型的运作状态信息。
工作原理：
设置模块收集通信网络上的网络资源，并将网络资源存储通过消息接口模块存储至消息服务器，用户根据当前通信网络上的网络资源的承载量。在设置模块中，可以选择全部的网络资源作为仿真要素，也可以动态的增加或减少资源信息，作为仿真要素，即以选择的网络资源作为生成仿真模型的要素，并将这些仿真要素发送至仿真模型生成模块，仿真模型生成模块根据收到的仿真要素，参考用户指定的仿真算法，生成仿真模型，并将生成的仿真模型发送至模型数据库进行存储，这些仿真模型即模拟现实中的通信网络进行通信，按照通信协议，进行模拟网络上的设备间的发送与接收消息，并将通信网络上的节点和设备的状态通过gui模块进行展示，并发送到消息接口模块，通过消息接口模块将运行状态实时地存储到消息服务器，以便用户访问及回查。用户也可以从模型数据库中选择现有的仿真模型，即存储在模型数据库中的历史仿真模型，作为仿真模型，将仿真要素加入历史仿真模型，进行运行，模拟通信网络进行运行。由于设置模块实时收集当前网络资源，并存储至消息服务器，因此可以从消息服务器上查看通信网络上的网络资源的动态变化及变化规律，用户在设置模块选择网络资源作为仿真要素时，参考实际的动态变化及变化规律，增加或删除网络资源，使建立的仿真模型尽可能的接近现实中的通信网络，因此根据仿真模型的模拟运行状态，可以预测和估算当前通信网络的通信质量。
进一步地，还包括：
仿真结果分析模块：与所述仿真模型生成模块和所述gui模块连接，用于分析仿真模型生成模块的运行结果，并将所述运行结果发送至gui模块。
工作原理：
仿真结果分析模块与仿真模型生成模块连接，将仿真模型生成模块中的仿真模型运行状态，即仿真过程中网络上的节点和设备的状态，对它们的数据吞吐量、数据传输速率进行分析，判断传输链路是否发生拥塞，是否延时以及对设备间的路由转发路径是否最佳进行分析，并将分析结果发送至gui模块进行展示，用户根据gui模块展示的结果，可以清楚的看到当前的通信网络的通信质量以及各个节点以及设备的状态。
进一步地，所述网络资源包括通信网络上的通信设备、通信节点以及通信设备与通信节点之间的传输链路。
工作原理：
通信设备和通信节点可以是服务器，计算机以及路由，交换机，网路接入点，打印机或者是与其他网络连接的设备，整个网络就是由这许许多多的通信设备和通信节点组成的，把许多的网络节点用传输链路连接起来，形成一定的几何关系，这就是计算机网络拓扑。
进一步地，所述仿真模型包括用于寻找通信网络最佳路径的流体神经网络电路模型、无标度网络模型和基于排队论的网络端到端时延估算模型。
工作原理：
流体神经网络电路模型采用从源通信节点出发逐一搜索其他通信节点，使从源通信节点发出的信息包，按传输代价最小的方向传输，这个传输代价可能是传输延迟时间也可以是排队队列长度，用这样的方式寻找路由转发的最佳路径，因此流体神经网络电路模型，有助于检测通信网络的最佳传输方式下的容量和最大传输速率。无标度网络模型，也叫ba模型，ba模型具有两个特性，其一是增长性，所谓增长性是指网络规模是在不断的增大的，在研究的网络当中，网络的节点是不断的增加的，这点符合现实通信网络的特点，因此ba模型更接近与现有通信网络，即抽象属性更接近；其二就是优先连接机制，这个特性是指网络当中不断产生的新的节点更倾向于和那些连接度较大的节点相连接，这样的连接机制，使新加入的节点可以拥有更多的转发路径，因此避免发生网络不通，数据延迟以及数据丢包的现象。所述基于排队论的网络端到端时延估算模型包括单个节点排队时延模型和端到端时延估算模型，因此可以估算整个通信网络上的传输时延。
进一步地，所述仿真模型还包括故障模型，所述故障模型包括路由故障模型、接口故障模型和整体链路故障模型。
工作原理：
仿真模型中的路由故障模型、接口故障模型和整体链路故障模型，模拟了现实中通信网络可能出现的故障，因此在仿真过程中增加了现实因素的影响，而不是使仿真在理想化的环境下进行，因此使模拟更加接近实际。
本发明与现有技术相比，具有以下优点及有益效果：
本发明中，用户在设置模块选择网络资源作为仿真要素时，参考实际的动态变化及变化规律，增加或删除网络资源，使建立的仿真模型尽可能的接近现实中的通信网络，因此根据仿真模型的模拟运行状态，可以预测和估算当前通信网络的通信质量。
附图说明
图1为本发明的系统原理框图；
图2为本发明的流程图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例1：
结合附图1-2所示，一种实时通信网络仿真系统，包括：
设置模块：收集通信网络上的网络资源，用户从所述网络资源中选择仿真要素，并发送至仿真模型生成模块；
仿真模型生成模块：根据所述仿真要素，按照模型生成算法，生成仿真模型，并按照通信协议运作仿真模型，生成运作状态信息；
gui模块：与所述仿真模型生成模块连接，用于显示仿真模型生成模块中仿真模型的运作状态；
模型数据库：用于存储仿真模型，包括当前仿真模型和历史仿真模型；
消息接口模块：用于接收仿真模型的运作状态信息，并将所述运作状态信息发送到消息服务器；
消息服务器：用于存储所述仿真模型的运作状态信息。
工作原理：
设置模块收集通信网络上的网络资源，并将网络资源存储通过消息接口模块存储至消息服务器，用户根据当前通信网络上的网络资源的承载量。在设置模块中，可以选择全部的网络资源作为仿真要素，也可以动态的增加或减少资源信息，作为仿真要素，即以选择的网络资源作为生成仿真模型的要素，并将这些仿真要素发送至仿真模型生成模块，仿真模型生成模块根据收到的仿真要素，参考用户指定的仿真算法，生成仿真模型，并将生成的仿真模型发送至模型数据库进行存储，这些仿真模型即模拟现实中的通信网络进行通信，按照通信协议，进行模拟网络上的设备间的发送与接收消息，并将通信网络上的节点和设备的状态通过gui模块进行展示，并发送到消息接口模块，通过消息接口模块将运行状态实时地存储到消息服务器，以便用户访问及回查。用户也可以从模型数据库中选择现有的仿真模型，即存储在模型数据库中的历史仿真模型，作为仿真模型，将仿真要素加入历史仿真模型，进行运行，模拟通信网络进行运行。由于设置模块实时收集当前网络资源，并存储至消息服务器，因此可以从消息服务器上查看通信网络上的网络资源的动态变化及变化规律，用户在设置模块选择网络资源作为仿真要素时，参考实际的动态变化及变化规律，增加或删除网络资源，使建立的仿真模型尽可能的接近现实中的通信网络，因此根据仿真模型的模拟运行状态，可以预测和估算当前通信网络的通信质量。
实施例2：
在实施例1的基础上，结合附图1-2所示，还包括：
仿真结果分析模块：与所述仿真模型生成模块和所述gui模块连接，用于分析仿真模型生成模块的运行结果，并将所述运行结果发送至gui模块。
工作原理：
仿真结果分析模块与仿真模型生成模块连接，将仿真模型生成模块中的仿真模型运行状态，即仿真过程中网络上的节点和设备的状态，对它们的数据吞吐量、数据传输速率进行分析，判断传输链路是否发生拥塞，是否延时以及对设备间的路由转发路径是否最佳进行分析，并将分析结果发送至gui模块进行展示，用户根据gui模块展示的结果，可以清楚的看到当前的通信网络的通信质量以及各个节点以及设备的状态。
进一步地，所述网络资源包括通信网络上的通信设备、通信节点以及通信设备与通信节点之间的传输链路。
工作原理：
通信设备和通信节点可以是服务器，计算机以及路由，交换机，网路接入点，打印机或者是与其他网络连接的设备，整个网络就是由这许许多多的通信设备和通信节点组成的，把许多的网络节点用传输链路连接起来，形成一定的几何关系，这就是计算机网络拓扑。
实施例3：
在实施例2的基础上，结合附图1-2所示，所述仿真模型包括用于寻找通信网络最佳路径的流体神经网络电路模型、无标度网络模型和基于排队论的网络端到端时延估算模型。
工作原理：
流体神经网络电路模型采用从源通信节点出发逐一搜索其他通信节点，使从源通信节点发出的信息包，按传输代价最小的方向传输，这个传输代价可能是传输延迟时间也可以是排队队列长度，用这样的方式寻找路由转发的最佳路径，因此流体神经网络电路模型，有助于检测通信网络的最佳传输方式下的容量和最大传输速率。无标度网络模型，也叫ba模型，ba模型具有两个特性，其一是增长性，所谓增长性是指网络规模是在不断的增大的，在研究的网络当中，网络的节点是不断的增加的，这点符合现实通信网络的特点，因此ba模型更接近与现有通信网络，即抽象属性更接近；其二就是优先连接机制，这个特性是指网络当中不断产生的新的节点更倾向于和那些连接度较大的节点相连接，这样的连接机制，使新加入的节点可以拥有更多的转发路径，因此避免发生网络不通，数据延迟以及数据丢包的现象。所述基于排队论的网络端到端时延估算模型包括单个节点排队时延模型和端到端时延估算模型，因此可以估算整个通信网络上的传输时延。
进一步地，所述仿真模型还包括故障模型，所述故障模型包括路由故障模型、接口故障模型和整体链路故障模型。
工作原理：
仿真模型中的路由故障模型、接口故障模型和整体链路故障模型，模拟了现实中通信网络可能出现的故障，因此在仿真过程中增加了现实因素的影响，而不是使仿真在理想化的环境下进行，因此使模拟更加接近实际。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。