基于dSPACE网络模型的AQM算法的FPGA实现

发布时间：2017-05-22 12:14

  本文关键词：基于dSPACE网络模型的AQM算法的FPGA实现，由笔耕文化传播整理发布。

【摘要】：现如今，，随着网络应用的越来越广泛，随之而来的问题也不容小觑。网络用户大规模增加会造成网络负担加大，直接导致网络拥塞问题的出现。为了解决这一问题，关于主动队列管理算法的研究也越来越深入，目前已经有很多控制领域的算法被引入了进来，对网络拥塞有着很好的控制效果。但是算法越复杂就会占用更多的路由器硬件资源，影响网络的性能。FPGA有着运算速度快、片上资源丰富的优点，因此研究将主动队列管理算法用FPGA硬件实现的方法很有意义。 本文从硬件实现控制算法的角度，主要研究了主动队列管理算法的FPGA实现方案。结合了模糊控制理论和神经元控制理论，设计了一种自适应的模糊神经元AQM算法，并且采用基于Nios II嵌入式软核处理器的SoPC方案，在FPGA芯片上实现了这种AQM算法。对网络模型建模，设计了被控对象，验证了FPGA实现的AQM算法的控制效果，对结果进行了分析。主要完成的工作如下： 1．深入研究了网络拥塞机制和多种AQM算法，并在神经元控制和模糊控制的基础上设计了自适应的模糊神经元算法。 2．深入研究了多种FPGA开发方案，选择了基于NiosⅡ软核的SoPC开发方案将AQM算法用FPGA实现，主要包括硬件工程的设计和软件工程的设计。 3．为了验证FPGA实现的AQM算法控制器的控制效果，根据TCP网络的收发机制，应用Matlab/Simulink将网络建模，并下载进入半实物仿真平台dSPACE，作为控制器的被控对象。 4．解决了FPGA和dSPACE的串口通信问题，搭建了闭环的实验平台，进行了控制器的仿真实验，并对实验结果进行了分析。 实验结果证明将AQM算法用嵌入式软核的FPGA开发方案实现是可行的，通过观察网络模型的瞬时队列长度变化的趋势发现，控制器可以控制网络模型稳定工作，达到很好的控制效果，还对干扰有着一定的抑制作用。将AQM算法用FPGA实现，可以达到很好的控制效果，更好的解决网络拥塞的问题，并且这种方案具有微型化、高可靠性和低成本等特性。
【关键词】：AQM算法 模糊控制 神经元控制 FPGA dSPACE
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.07;TN791
【目录】：

• 摘要4-5
• Abstract5-6
• 目录6-9
• 第1章 绪论9-13
• 1.1 研究背景及意义9-10
• 1.2 研究现状10-12
• 1.3 本文的研究内容以及章节安排12-13
• 第2章 预备知识13-23
• 2.1 主动队列管理算法介绍13-16
• 2.1.1 RED 算法13-14
• 2.1.2 BLUE 算法14-15
• 2.1.3 PID 算法15-16
• 2.2 模糊控制理论介绍16-19
• 2.2.1 模糊控制理论的产生及应用16-17
• 2.2.2 模糊集合17
• 2.2.3 模糊隶属度函数17-18
• 2.2.4 模糊控制规则18-19
• 2.3 现场可编程门阵列 FPGA 简介19-21
• 2.3.1 FPGA 的发展与特点19
• 2.3.2 FPGA 芯片结构19-20
• 2.3.3 FPGA 开发板简介20
• 2.3.4 Nios II 嵌入式软核处理器20-21
• 2.4 dSPACE 半实物仿真技术介绍21-22
• 2.4.1 dSPACE 半实物仿真系统的特点21-22
• 2.4.2 dSPACE 半实物仿真系统的构成22
• 2.5 本章小结22-23
• 第3章 AQM 算法的设计23-32
• 3.1 神经元算法介绍23-25
• 3.2 模糊控制神经元算法的设计25-29
• 3.2.1 模糊神经元算法的构成25
• 3.2.2 模糊控制器的设计25-29
• 3.3 本章小结29-32
• 第4章 AQM 算法的 FPGA 实现32-50
• 4.1 控制器设计方法选择32-35
• 4.1.1 全硬件的 FPGA 实现方案32-33
• 4.1.2 基于 NiosⅡ软核的 FPGA 实现方案33-35
• 4.2 FPGA 硬件系统设计35-40
• 4.2.1 NiosⅡ处理器设计35-39
• 4.2.2 PLL 锁相环设计39-40
• 4.3 软件系统设计40-43
• 4.3.1 软件系统总体设计40
• 4.3.2 UART 串口的软件设计40-43
• 4.3.3 AQM 算法的软件设计43
• 4.4 在 FPGA 中实现神经元算法的设计43-44
• 4.5 在 FPGA 中实现模糊神经元算法的设计44-47
• 4.6 调试与下载47-48
• 4.7 本章小结48-50
• 第5章 网络模型的实现以及控制效果验证50-68
• 5.1 拥塞控制系统流模型50-52
• 5.2 拥塞控制系统流模型的 Matlab 实现52-55
• 5.2.1 Simulink 的简单介绍52-53
• 5.2.2 Simulink 环境下的网络模型的实现53-55
• 5.3 基于 dSPACE 的实时仿真平台的搭建55-56
• 5.4 神经元算法的仿真实验56-64
• 5.4.1 神经元算法的参数调节56-59
• 5.4.2 神经元控制器的超调实验59-61
• 5.4.3 神经元控制器的鲁棒性实验61-64
• 5.5 模糊神经元控制器的仿真实验64-67
• 5.6 本章小结67-68
• 第6章 总结和展望68-70
• 全文总结68
• 研究展望68-70
• 参考文献70-74
• 作者简介及在学期间科研成果74-76
• 作者简介74
• 科研成果74-76
• 致谢76

【参考文献】

中国期刊全文数据库 前10条

1 黄翌,徐佩霞;采用FPGA的BLUE网关的实现[J];电子技术;2005年04期

2 齐建玲;庄士霞;;基于FPGA的模糊PID控制器的设计[J];北华航天工业学院学报;2011年01期

3 苏宏志;高文华;;基于dSPACE实时仿真的无刷直流电机控制系统[J];机电工程;2007年04期

4 田大新;刘衍珩;李宾;吴静;;基于Hebb规则的分布神经网络学习算法[J];计算机学报;2007年08期

5 张少博;李钢;康军;;基于神经网络监督控制的拥塞控制算法研究[J];计算机应用研究;2010年02期

6 姚梦凯;黄文君;谭平;;采用自适应神经元的随机指数标记策略[J];计算机应用研究;2011年01期

7 秦绪平,谭国俊;模糊控制理论的发展应用与展望[J];控制工程;2005年S2期

8 王萍;陈虹;杨晓萍;;动态矩阵主动队列管理算法[J];控制理论与应用;2010年08期

9 余义斌;曹长修;李昌兵;;基于神经模型预测控制的主动队列管理算法[J];控制与决策;2006年09期

10 杨晓萍;郑楠;陈虹;王亚军;;主动队列管理算法的现场可编程门阵列硬件实现方案[J];吉林大学学报(工学版);2013年02期

中国博士学位论文全文数据库 前3条

1 王萍;主动队列管理的滚动优化控制研究[D];吉林大学;2011年

2 杨歆豪;基于控制理论的网络拥塞控制中的若干算法研究[D];南京理工大学;2010年

3 王焕清;几类随机非线性系统的自适应神经网络控制[D];青岛大学;2013年

  本文关键词：基于dSPACE网络模型的AQM算法的FPGA实现，由笔耕文化传播整理发布。

本文编号：385706