基于控制理论的TCP网络的主动队列管理算法研究
发布时间：2021-11-28 00:34
随着网络规模的快速增长以及网络上的用户和应用的不断增加,网络拥塞已经成为一个十分重要的问题。基于路由器的主动队列管理机制,与TCP协议的拥塞控制相结合,是解决目前TCP网络拥塞控制问题一个主要途径。所以,对主动队列管理算法的研究成为了TCP网络领域的一个热点问题。TCP网络可以看作是一个非线性动态反馈控制系统,故从控制理论的角度分析和设计主动队列管理算法可以得到更有效的结果。本文在分析了主动队列管理机制的基础上,利用控制理论中的方法对主动队列管理算法进行了研究,主要的研究工作和结论如下：针对TCP网络的拥塞控制问题,提出了一种基于RBF神经网络的自适应滑模控制算法。考虑到网络系统的不确定性上界很难获得,使用RBF神经网络对系统不确定的上界进行自适应学习来避免必须事先知道系统不确定的上界。将RBF神经网络的输出作为不确定上界的补偿,从而消除了系统的不确定带来的影响。应用RBF神经网络设计了一个自适应滑模控制器,所设计的控制器既保证了滑动模态的存在和系统的渐近稳定性,又较好地抑制了系统不确定带来的影响。仿真结果表明该算法具有较好的稳定性和鲁棒性。针对TCP网络存在网络参数高度变化和UDP流...
【文章来源】：东北大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：129 页
【学位级别】：博士
【部分图文】：
图２．５?ＵＤＰ流存在时ＳＭＣ与ＰＳＭＣ队列长度比较????ｕｎｅｒ?ＤＰ?ｆｌｏｗｓ??
如＝１〇〇分组。滑动模面为嗦）?＝?ｌ〇Ｘｉ＋Ｘ２，滑模控靠ＩＪ器参数选择为《＝２，片＝２，??７］?＝?０．５。??图３．１为网络参数固定时的仿真结果。从图中可Ｗ看出，ＰＩ控制器、ＳＭＣ控制??器和ＡＳＭＣ控制器都能使瞬时队列长度收敛到目标队列长度附近。但是ＰＩ控制器的??收敛速度比较慢，产生的震荡幅度较大；ＳＭＣ控制器和ＡＳＭＣ控制器都具有较好??的暂态性能，能将瞬时队列长度迅速地稳定在目标队列长度附近。??２００?＇?＂１??１?１?Ｉ?＇?１?Ｉ?Ｉ?Ｉ?Ｉ??空?Ａ??巧?１００?－／??????一???Ｉ?Ｉ?Ｉ—叫??换?Ｑ?Ｉ?Ｉ?Ｉ?ｔ?ｔ?ｔ?Ｉ?Ｉ?Ｉ??＾?０?５?１０?巧?２０?２５?３０?巧?４０?４５?卵??时间／秒??２００?＇?Ｉ?■?ｒ?■?ｒ?■?’?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?’??現??妻??甚１卵－／???杂?ｒ＂?１??孩?——ＳＭＣ?Ｉ??Ｑ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??０?５?１０?巧?２０?２５?泌巧?仙?４５?如??。。＿?晰司／砂??窃?２口。Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?＂１?Ｉ??￥??ｉ?１００?■，???？—??堂?Ｉ??ＡＳＭＣ??供?０?Ｉ?Ｉ?Ｉ?ＩＩ?Ｉ?＇?Ｉ
?第王章基于自适应滑模控制的非线性主动队列管理??图３．２为具有较大ＴＣＰ负载的仿真情况，其中网络负载方从１００变化到２００，??其它网络参数不变。ＰＩ算法具有剧烈变化的暂态性能；ＡＳＭＣ控制器与ＳＭＣ控制??器相比，瞬时队列长度会产生一个小幅平缓振荡，在稳态时队列变化平缓。??３００１?Ｌ?Ｉ?■?＂Ｔ－?■■?ＩＩＩ?Ｉ?■…?Ｉ?Ｉ?Ｉ?Ｉ?—??重２如１?Ｌ?＾一??寞?１〇〇｜］???—?—?—￣—??＾０?５?１０?巧?２０?巧如巧?４０?４５?说??时间／秒??巧?３〇〇｜?１?１?１????＝Ｔ］??Ｊ?２００?Ｉ?１一?ＳＭＣ｜－??换?０?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ???＾０?１０?如?３０?４０?加??时间／秒??＿?３００１?１?１?１?１?１?１?１—?Ｉ?＂?Ｉ?－?；￣Ｉ??寶??ＡＳＭＣ??Ｓ?２００?－?■????＾?１００?Ｎ?????孩??含?〇１?１?！?１?１?１?１?１?１?１???０?５?１０?巧?２?日?２５?３０?巧?４０?巧?６０??时间艰??图３．２较大ＴＣＰ负截村队列变化??巧ｇ．?３．２?Ｑｕｅｕｅ?ｅｖｏｌｕｔｉｏｎ?ｗｉ化?ｈｉｇｈｅｒ?ＴＣＰ?ｌｏａｄ??当时间２０秒时，网络负载办在１００与３００之间随机变化，当时间ｆ＞２０秒时，??网络负载办在１００与２００之间随机变化，其它网络参数不变，仿真结果如图３．３所示。??Ｐ姬制器的瞬时队列长度产生较大的波动和较慢的收敛速度；ＳＭＣ控制器和ＡＳＭＣ??控制器都具有较快的收敛速度
【参考文献】：
期刊论文
[1]不确定TCP流模型的离散H∞鲁棒主动队列管理算法[J]. 周川,何俊伟,陈庆伟. 控制理论与应用. 2013(02)
[2]具有最小时间加权平方误差积分的主动队列管理算法ISTE-PI[J]. 汪浩,李晓明,严伟,黄明和. 计算机学报. 2012(05)
[3]不确定时滞TCP网络中基于T-S模型的滑模AQM算法[J]. 闫明,颜闽秀. 控制与决策. 2012(01)
[4]电机磁链神经网络观测器的研究[J]. 刘国荣,张道禄. 电机与控制学报. 2011(08)
[5]基于H∞控制的主动队列管理算法[J]. 侯萍,王执铨. 上海交通大学学报. 2011(08)
[6]有限时间控制问题综述[J]. 丁世宏,李世华. 控制与决策. 2011(02)
[7]互联网拥塞控制时滞对偶改进模型及其分岔与非线性稳定性研究[J]. 刘玉良,朱杰. 上海交通大学学报. 2010(07)
[8]输入受限的非线性网络系统全局滑模控制[J]. 王宏伟,于驰,井元伟. 东北大学学报(自然科学版). 2010(03)
[9]基于在线学习RBF神经网络的汽门开度自适应补偿控制方法[J]. 徐庆宏,戴先中. 电机与控制学报. 2010(02)
[10]基于队列和负载因子的动态参数随机指数标记算法[J]. 汪浩,田作华. 四川大学学报(工程科学版). 2010(01)
本文编号：3523334
【文章来源】：东北大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：129 页
【学位级别】：博士
【部分图文】：
图２．５?ＵＤＰ流存在时ＳＭＣ与ＰＳＭＣ队列长度比较????ｕｎｅｒ?ＤＰ?ｆｌｏｗｓ??
如＝１〇〇分组。滑动模面为嗦）?＝?ｌ〇Ｘｉ＋Ｘ２，滑模控靠ＩＪ器参数选择为《＝２，片＝２，??７］?＝?０．５。??图３．１为网络参数固定时的仿真结果。从图中可Ｗ看出，ＰＩ控制器、ＳＭＣ控制??器和ＡＳＭＣ控制器都能使瞬时队列长度收敛到目标队列长度附近。但是ＰＩ控制器的??收敛速度比较慢，产生的震荡幅度较大；ＳＭＣ控制器和ＡＳＭＣ控制器都具有较好??的暂态性能，能将瞬时队列长度迅速地稳定在目标队列长度附近。??２００?＇?＂１??１?１?Ｉ?＇?１?Ｉ?Ｉ?Ｉ?Ｉ??空?Ａ??巧?１００?－／??????一???Ｉ?Ｉ?Ｉ—叫??换?Ｑ?Ｉ?Ｉ?Ｉ?ｔ?ｔ?ｔ?Ｉ?Ｉ?Ｉ??＾?０?５?１０?巧?２０?２５?３０?巧?４０?４５?卵??时间／秒??２００?＇?Ｉ?■?ｒ?■?ｒ?■?’?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?’??現??妻??甚１卵－／???杂?ｒ＂?１??孩?——ＳＭＣ?Ｉ??Ｑ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??０?５?１０?巧?２０?２５?泌巧?仙?４５?如??。。＿?晰司／砂??窃?２口。Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?＂１?Ｉ??￥??ｉ?１００?■，???？—??堂?Ｉ??ＡＳＭＣ??供?０?Ｉ?Ｉ?Ｉ?ＩＩ?Ｉ?＇?Ｉ
?第王章基于自适应滑模控制的非线性主动队列管理??图３．２为具有较大ＴＣＰ负载的仿真情况，其中网络负载方从１００变化到２００，??其它网络参数不变。ＰＩ算法具有剧烈变化的暂态性能；ＡＳＭＣ控制器与ＳＭＣ控制??器相比，瞬时队列长度会产生一个小幅平缓振荡，在稳态时队列变化平缓。??３００１?Ｌ?Ｉ?■?＂Ｔ－?■■?ＩＩＩ?Ｉ?■…?Ｉ?Ｉ?Ｉ?Ｉ?—??重２如１?Ｌ?＾一??寞?１〇〇｜］???—?—?—￣—??＾０?５?１０?巧?２０?巧如巧?４０?４５?说??时间／秒??巧?３〇〇｜?１?１?１????＝Ｔ］??Ｊ?２００?Ｉ?１一?ＳＭＣ｜－??换?０?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ???＾０?１０?如?３０?４０?加??时间／秒??＿?３００１?１?１?１?１?１?１?１—?Ｉ?＂?Ｉ?－?；￣Ｉ??寶??ＡＳＭＣ??Ｓ?２００?－?■????＾?１００?Ｎ?????孩??含?〇１?１?！?１?１?１?１?１?１?１???０?５?１０?巧?２?日?２５?３０?巧?４０?巧?６０??时间艰??图３．２较大ＴＣＰ负截村队列变化??巧ｇ．?３．２?Ｑｕｅｕｅ?ｅｖｏｌｕｔｉｏｎ?ｗｉ化?ｈｉｇｈｅｒ?ＴＣＰ?ｌｏａｄ??当时间２０秒时，网络负载办在１００与３００之间随机变化，当时间ｆ＞２０秒时，??网络负载办在１００与２００之间随机变化，其它网络参数不变，仿真结果如图３．３所示。??Ｐ姬制器的瞬时队列长度产生较大的波动和较慢的收敛速度；ＳＭＣ控制器和ＡＳＭＣ??控制器都具有较快的收敛速度
【参考文献】：
期刊论文
[1]不确定TCP流模型的离散H∞鲁棒主动队列管理算法[J]. 周川,何俊伟,陈庆伟. 控制理论与应用. 2013(02)
[2]具有最小时间加权平方误差积分的主动队列管理算法ISTE-PI[J]. 汪浩,李晓明,严伟,黄明和. 计算机学报. 2012(05)
[3]不确定时滞TCP网络中基于T-S模型的滑模AQM算法[J]. 闫明,颜闽秀. 控制与决策. 2012(01)
[4]电机磁链神经网络观测器的研究[J]. 刘国荣,张道禄. 电机与控制学报. 2011(08)
[5]基于H∞控制的主动队列管理算法[J]. 侯萍,王执铨. 上海交通大学学报. 2011(08)
[6]有限时间控制问题综述[J]. 丁世宏,李世华. 控制与决策. 2011(02)
[7]互联网拥塞控制时滞对偶改进模型及其分岔与非线性稳定性研究[J]. 刘玉良,朱杰. 上海交通大学学报. 2010(07)
[8]输入受限的非线性网络系统全局滑模控制[J]. 王宏伟,于驰,井元伟. 东北大学学报(自然科学版). 2010(03)
[9]基于在线学习RBF神经网络的汽门开度自适应补偿控制方法[J]. 徐庆宏,戴先中. 电机与控制学报. 2010(02)
[10]基于队列和负载因子的动态参数随机指数标记算法[J]. 汪浩,田作华. 四川大学学报(工程科学版). 2010(01)
本文编号：3523334
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3523334.html
