大时滞网络自适应预测PI主动队列管理算法

针对网络中存在的大时滞和网络参数时变问题,提出一种自适应预测PI主动队列管理算法．将Smith预估器与达林算法相结合,既克服了大时滞带来的不利影响,也减少了控制器参数整定数量．利用网络参数与控制参数所具有的确定关系,通过在线估计网络参数来实时调节控制参数,使得控制器能够适应网络参数的变化,同时采用线性化方法分析了系统局部稳定性．仿真结果表明,所提出的算法是可行而有效的。     

自适应卡尔曼滤波的主动队列管理算法

PID控制器通过微分环节加快了控制器的调节速度,但PID的参数是固定的,不能根据动态的网络自调整参数,故不能有效控制队列的稳定性。由于神经元网络有自适应性,提出了一种自适应卡尔曼滤波的主动队列管理算法(adaptive-KF-AQM)。它结合卡尔曼滤波和神经元网络方法,根据队列长度及其变化率来估计下一时刻的队列长度,使队列长度在期望值附近波动。仿真结果表明,该算法在队列稳定性、收敛速度、延时和链路利用率等方面都明显优于传统的PID算法。     

基于积分分离PI的主动队列管理算法

在目前的网络拥塞算法研究中,在IP层实现的主动队列管理（AQM）已经成为一个研究的热点。简要介绍了AQM算法的研究现状,具体分析了AQM中的PI算法,并利用积分分离技术改进了PI算法。与常规的PI算法相比,仿真结果表明：在一定范围内积分分离PI算法不但可以消除队列误差,保持队列的稳定,而且可以明显加快队列的收敛速度。     

一种自适应主动队列管理算法ABlue

Blue是一种典型的主动管理算法,但其队列和延时波动较大,尤其在连接数较大或连接数突然发生变化时容易造成队列溢出或空闲。为此,提出一种自适应主动队列管理算法——ABlue,利用平均队列长度预测拥塞,根据网络流量的变化动态计算标记概率,从而保持队列稳定、减小延时抖动并降低丢包率。仿真实验结果表明,相比Blue算法,ABlue算法具有较低的丢包率和较高的带宽利用率。     

基于单神经元自适应PI 控制器的主动队列管理算法

基于神经网络理论中的神经元模型与学习算法,设计了一种主动队列管理算法SNAPI（Single NeuronbasedAdaptive PI controller）．控制器根据系统误差在线调整PI 控制器的控制参数,以适应动态变化的网络参数．运用Nyquist 稳定判据给出了系统在平衡点附近的局部稳定条件．最后通过仿真检验了SNAPI,并比较了它与使用固定控制参数的PI 算法的性能．     

多优先级主动队列管理算法研究

主动队列管理算法是区分服务模型能够实现IP服务质量的重要技术之一.针对区分服务现有主动队列算法中参数设置、时延抖动等不足之处,结合自适应RED算法(Adaptive RED),基于优先级和公平性的PFRIO算法(RIO based on Priority and Fair)和Gentle-RED三种算法的优点,提出了一种适合区分服务模型的自适应多优先级主动队列管理算法(Active Queue Management, AQM)-APRED-G.仿真结果表明,该算法不但保护了高优先级数据分组同时兼顾了低优先级数据分组,而且解决了参数设置敏感和时延稳定问题,也降低了平均分组丢失率.     

一种基于速率的PI主动队列管理机制

PI(proportional integral)主动队列管理机制是应用控制理论中的比例积分控制器设计的主动队列管理机制,其性能优于RED(random early detection)算法,能有效地消除稳态误差.但PI算法默认参数在目标队列长度较小情况下收敛速度较慢;而参数整定上的试凑法,无法同时保障系统的瞬态和稳态性能.研究拥塞产生的原因及其表现形式,提出一种基于报文到达速率的PI算法(Rate based Proportional and Integral,RPI).它根据报文到达速率和队列长度,即拥塞瞬间状况和持续状况计算出合适的丢弃率.通过NS2模拟表明,相对于PI,RPI具有更快的收敛速度和更小的队列抖动.     

基于时延抖动的主动队列管理算法

随着Internet的迅速发展,致使IP业务的快速增长和多样化,用户数量急剧增加,网络流量呈爆炸式增长,网络拥塞问题变得越来越严重,因此服务质量(QoS)成为了当今世界研究热点之一.为了能达到相对的QoS的性能指标,拥塞控制发挥着相当重要的作用,而主动式队列管理(Active Queue Management,AQM)机制又是实现拥塞控制的重要手段之一,AQM成为了IP网络拥塞控制研究领域中备受关注和深入研究的热点问题.文中在增强CHOKe算法的公平性上,提出一种新的基于时延抖动的AQM算法-CZ-CHOKe.路由器通过时延抖动和队列的平均队长检测网络拥塞,同时采用动态采样击中和自适应丢包技术.仿真结果表明,该算法能有效地保护响应流,提高非响应流的击中概率,提高其算法的公平性.     

基于内模控制的自适应主动队列管理算法

实际网络具有大时滞性和动态特性。针对大时滞特性,根据内模控制(IMC)和改进的TCP/AQM控制理论模型设计了一种适合于大延时网络环境的主动队列管理算法。而对于网络的动态特性,分析了网络参数的变化给算法带来的影响,并以此对算法参数进行在线修正,得到符合大时滞网络的自适应AQM算法。最后通过NS2仿真实验验证了设计的AQM算法的可靠性。     

基于网络状态参数估计的主动队列管理PI改进算法

作为一种重要的主动队列管理手段,PI控制器算法通过积分嚣的引入有效地消除了队列长度控制的稳态误差,在提高网络吞吐的同时缩短了排队时延.但是PI控制器不能根据网络状态变化而自动调整控制参数,故当网络流量变化时PI控制器的收敛速度很慢.基于TCP-AQM系统模型,对经过中间节点的活动连接数、平均往返时间和前向链路容量等3个参数进行估计.通过计算击中概率的倒数,估计出活动流数;通过计算单位时间的数据包数,估计出网络容量;通过往返时延、活动流数、网络容量以及丢包概率在稳态时的关系式,估算出平均往返时延.在此基础上,提出了对网络状态变化自适应调整控制参数改进的快速收敛PI算法——FCPI算法.仿真结果表明,该算法有效提高了算法的收敛速度,并且鲁棒性好,易于实现,适用于未来高速网络的路由器.     

一种核心无状态保存的自适应成比例公平带宽分配机制

提出了一种核心无状态的自适应比例公平带宽分配机制CSPAFA（core stateless proporitonal adaptive fair allocation),在边界路由器完成基于每个流的状态处理,将所有流分成标记流和非标记流两种业务类型,采用DPS（dynamic packet state)技术将有关信息编码进IP分组头,在核心将输出链路带宽分成两部分,核心根据当前的网络负荷对标记流按服务规格成比例的分配输出链路带宽,对未标记流公平分配带宽,并且能自适应地调整两类业务的带宽共享比例,最后,给出了在NS网络仿真环境下的仿真实验结果。     

基于模糊参考模型机制的网络自适应拥塞控制

在高速通信网络的发展过程中,业务流呈现出的突发性和多样性为提高网络服务质量制造了更多的困难。该文提出的网络自适应拥塞控制方法以模糊参考模型机制的核心来提高主动队列管理算法在突发性网络状况中的适应能力,以2条信息通道分别实现主动队列管理的控制与学习功能,并结合参考模型机制实现模糊反向推理算法,针对网络突发性状况自适应调整主控制通道的控制行为。仿真研究表明,该控制方法提高了拥塞控制机制的自适应性能,并在自适应性能和实时性能上获得了较好的平衡。     

一种改进ARED拥塞控制算法的实现

随着互联网的迅速发展,无论是网民人数还是上网设备数都呈现高速增长的态势.虽然带宽等互联网基础资源相比二十年前有了质的飞跃,但是由于网络规模的增加还是带来了一系列的问题,其中网络拥塞是比较典型的一个.RED作为路由器主动队列管理策略中的重要算法已经在网络拥塞控制方面起到了很好的效果,成为IETF RFC2309建议的唯一...     

动态网络增强自适应虚拟队列管理新算法

针对动态网络主动队列管理算法中控制参数设置难题,提出了一种增强自适应虚拟队列管理新算法（EPAVQ）。结合TCP流体流模型运用经典控制理论分析自适应虚拟队列管理（AVQ）算法稳定性基础上,利用极点配置技术给出了AVQ算法控制参数的调整规则。同时,针对网络参数时变问题,通过对网络参数的在线估计,利用网络参数与控制器参数的确定关系实时调节控制参数,使得控制器能够适应网络参数的变化。通过ns-2仿真实验与现有的AVQ算法比较,EPAVQ算法具有更快的动态响应,更好的网络性能。     

主动队列管理中增强型自适应虚拟队列管理算法之设计及稳定性分析

提出了一种基于速率的增强自适应虚拟队列管理算法(EAVQ). 在该算法中引入主从拥塞尺度和期望链路利用比的概念; 以输入速率为主要拥塞尺度, 以便保留原有自适应虚拟队列管理算法(AVQ)中响应速度快、队列时延短、链路利用率高等优点. 同时, 以期望链路利用比为辅助拥塞准则, 设计了一种基于速率的期望链路利用比自适应机制, 解决了AVQ中参数设定困难、队列抗干扰能力弱, 及存在链路损失等缺点; 在改善系统动态性能的同时保证了链路容量的充分利用. 在线性化基础上给出了一般网络结构下TCP/EAVQ系统的局部稳定条件. 通过仿真验证了EAVQ的有效性.     

一种链路负载自适应的主动队列管理算法

随机早检测(random early detection,简称RED)是IETF推荐部署的主动队列管理(active queue management,简称AQM)算法.RED存在参数难以配置、无法得到与流量无关的平均队长等问题.ARED(adaptive RED)是RED的自适应版本,它根据平均队长动态调节最大标记概率参数,从而得到稳定的平均队长.但ARED没有克服瞬时队列长度振荡问题,且在动态流量环境下性能明显降低.分析了ARED性能问题的原因,并提出了一种链路负载自适应的主动队列管理算法LARED(load adaptiveRED).LARED具有两个特点:自适应链路负载、快速响应队长变化.分析和仿真实验表明,与ARED等其他AQM算法相比,LARED在保持高链路利用率和低时延的同时可以得到稳定的瞬时队长,并且具有良好的响应性和鲁棒性.     

P2I: 一种新的主动队列管理算法

研究了在主动队列管理算法中使用的PI控制器和Proportional控制器之间的优劣．通过引入积分因素,PI控制器可以有效地消除Proportional控制器中存在的“稳态误差”．但是,积分项的引入减慢了系统的反应速度．该文提出一个算法P^2I来解决这个问题．P^2I结合了Proportional控制器和PI控制器的优点．作者使用模拟的方法来验证P^2I的性能．试验结果表明,P^2I在反应速度方面优于PI控制器,同时保持了PI控制器的优点．文中还分析了网络流量特征对主动队列管理算法设计的影响．     

一种基于卡尔曼滤波的队列长度自适应算法

传统主动队列管理(AQM)算法在处理传感器网络突发流时具有响应速度慢、抗网络突变性能弱的缺点.针对此问题,提出了一种新的AQM算法,算法首先将队列长度作为早期拥塞检测参量,运用卡尔曼滤波理论预测队列长度;其次根据队列长度在缓冲区的占用比来划分网络状态;最后根据不同占用比采取相应的丢包策略,自适应地调整丢包率,当出现网络突变时,加大调整幅度,使队列长度保持在理想区间.仿真实验表明:新算法能够较好地适应网络波动,提高网络服务质量(QoS),算法综合性能优于主流AQM算法.     

基于分数阶PIαDβ的飞机永磁同步电机转速控制技术

当前飞机永磁同步电机控制技术电流干扰性大、且电机鲁棒性较差,存在控制速度慢的问题。据此,提出基于分数阶PIαDβ研究了一种新的飞机永磁同步电机转速控制技术,通过分数阶PIαDβ的比例积分对飞机永磁同步电机的输入电流与输出电流进行抗干扰处理,采用分数阶PIαDβ积分技术更能提高控制系统的抗干扰性,相同开环增益环境下,使用控制器提高电机的鲁棒性,通过分数阶PIαDβ的微分技术处理控制飞机永磁同步电机的转速。为检测控制技术效果,设定对比实验,结果表明,基于分数阶PIαDβ的飞机永磁同步电机转速控制技术以分数阶PIαDβ为基础,通过进行相关的分数阶计算,选择最匹配的控制模式,使飞机永磁同步电机能够更高效的工作,控制速度提高了12.81%。