基于队列和负载因子的动态参数随机指数标记算法

为了解决随机指数标记算法(REM)队列抖动大,对动态数据流响应慢,以及环境适应性差等问题,分析了算法的控制属性,并提出了一种参数动态调整的随机指数标记算法(DREM).基于控制理论的分析表明,REM算法具有比例积分(PI)控制属性.通过引入队列因子和负载因子的概念,对队列调整状态进行实时划分,能够有效地判断当前网络的拥塞状况.同时,利用队列和负载因子设计了关键参数的调整率,以协助基于"和式增加积式减少(AIMD)"规则的TCP拥塞控制策略,有效增强了REM算法的控制性能.NS2平台中的仿真实验表明,相对于标准REM算法,DREM提高了队列长度的响应能力,减小了丢包率,增强了主动队列管理算法的适应性和鲁棒性.     

偏动式形状记忆合金驱动器系统建模与仿真

为了实现响应速度快、精度高的偏动式形状记忆合金驱动器控制系统,基于Kanaka-Liang提出的形状记忆合金材料一维本构关系建立了偏动式SMA驱动器的热动力学模型.针对形状记忆合金材料的非线性迟滞特性,结合PID控制和模糊控制各自的优点,设计了一种模糊增益自调整PID复合控制器方案,并对偏动式形状记忆合金驱动器的响应特性进行了仿真.仿真结果表明,与PID控制器和模糊控制器相比,模糊增益自调整PID复合控制器具有响应快、超调小、适应性好等优点.模糊增益自调整PID控制策略完全能满足偏动式形状记忆合金驱动器对控制精度的要求.     

结合视觉运动特性的可分级视频拥塞控制机制

为解决异构网络因采用主动队列管理进行拥塞控制,无法区分视频流中不同结构和内容的数据包,难以提高视频播出质量的问题,提出一种结合视觉运动特性的可分级视频拥塞控制机制.该机制基于视觉运动特性的视频数据包重要性标记方法,根据当前队列长度及丢包率与队列长度的非线性关系,改进已有的自适应随机早期检测.当网络发生拥塞时,能根据网络状况和数据包的重要性调整丢包策略.以视频质量分析仪PQA600的注意力加权峰值信噪比、差异平均主观评分和注意加权差异平均主观评分作为评价指标.NS-2仿真实验结果表明,该方法能降低丢包率,提高网络吞吐量,改善视频播出质量.     

数据传输改进方案在医疗设备监测系统的应用

针对在医疗设备监测系统中,因网络拥塞和储存速度缓慢,造成的网络丢包现象,设计并实现了数据传输改进方案,该方案采用TCP拥塞控制和多线程双缓存算法.TCP拥塞控制通过动态队列管理算法,设定最大丢弃概率,对TCP连接请求进行管控.多线程双缓存算法通过双线程缓存队列对数据包完成储存.实验在45、55、65台设备同时发送数据时...     

一种增益自适应的单神经元PID控制器

针对时滞不确定对象,提出一种单神经元PID控制器,此控制器不依赖于对象模型.由于神经元的权值能在线调整,因此具有自学习和自适应能力,同时应用自适应PSD算法调整比例系数K值的大小,构成了增益自适应的单神经元PID控制器.在MATLAB/SIMULINK下对算法实现仿真控制,结果证明增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强且算法简单适用的控制器,适合于工业上不确定对象的平稳控制.     

数据传输改进方案在医疗设备监测系统的应用

针对在医疗设备监测系统中,因网络拥塞和储存速度缓慢,造成的网络丢包现象,设计并实现了数据传输改进方案,该方案采用TCP拥塞控制和多线程双缓存算法。TCP拥塞控制通过动态队列管理算法,设定最大丢弃概率,对TCP连接请求进行管控。多线程双缓存算法通过双线程缓存队列对数据包完成储存。实验在45、55、65台设备同时发送数据时,数据包的接收成功率为100%、99.6%、99.1%,结果表明:数据传输改进方案能有效提升数据包的接收成功率。     

永磁同步电机模糊控制方法研究

针对传统PI调节器控制PMSM的缺点,基于Matlab/Simulink给出了采用模糊PI控制PMSM的完整设计方法.该方法采用模糊控制器在线整定PI调节器参数,同时对比例环节与积分环节进行自调整,使得PMSM在整个运行期间能够快速跟踪输出量.仿真结果表明,基于模糊PI控制的系统模型具有动态响应快、稳态精度高及抗干扰能力强等优点.     

异步电动机的单神经元模糊自适应控制

针对异步电动机矢量控制中PI控制器自适应能力较弱的问题,提出了用单神经元模糊自适应控制器代替转速PI调节器和磁链PI调节器的方法,并基于梯度下降法和单神经元自适应模糊控制原理,将增量式PI控制算法和单神经元自适应学习规则相结合,通过模糊控制修正单神经元的比例系数,提高单神经元模糊自适应控制器参数在线调整能力。为验证单神经元模糊自适应控制器的性能,对系统进行仿真实验。仿真结果表明,采用单神经元模糊自适应控制策略,其控制效果优于传统矢量控制,系统的动态和静态性能比较好,而且控制器对电动机转子电阻变化有较好的鲁棒性。该控制方法具有较好的控制性能,使异步电动机控制系统具有较强的自适应能力。     

快速收敛的高速网络可变结构拥塞控制协议

针对可变结构拥塞控制协议（VCP）存在粗粒度的拥塞反馈信息和收敛速度慢等问题,采用动态拥塞窗口控制和收敛控制器2种机制,提出了一种扩展的可变结构拥塞控制协议（EVCP）.EVCP通过复用Ipv6报文头的4个二进制位提高拥塞反馈信息的粒度,并基于实时的拥塞反馈信息实现动态拥塞窗口控制.收敛控制器的基本思想是如果EVCP传输流的拥塞窗口大于公平的拥塞窗口,当积性减少时,该传输流需要比往常更积极地减少拥塞窗口.仿真表明,EVCP不仅保持了VCP的优点,而且在公平性和收敛速度方面具有更好的性能.     

一种增益自适应的单神经元PID控制器

针对时滞不确定对象,提出一种单神经元PID控制器,此控制器不依赖于对象模型。由于神经元的权值能在线调整,因此具有自学习和自适应能力,同时应用自适应PSD算法调整比例系数K值的大小,构成了增益自适应的单神经元PID控制器。在MATLAB/SIMULINK下对算法实现仿真控制,结果证明增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强且算法简单适用的控制器,适合于工业上不确定对象的平稳控制。     

负载与队列高效结合的主动队列管理算法研究

目前已有的大多数主动队列管理算法按照判别拥塞的主要依据可以分为2大分支：基于负载（Load-based）的AQM算法和基于队列（Queue—based）AQM算法。分析了单独以队列或者单独以负载作为拥塞判别依据的不足，提出了一种基于负载与基于队列相结合的AQM算法LQC（Load Queue Contr01）算法。仿真结果证明，与RED、FRED和LDC算法相比，LQC算法能更好地稳定队列长度和减少丢包率。     

基于RBF神经网络的PID无线AQM算法

PID算法能较好地控制队列长度,但算法中比例积分微分系数较为敏感,基于试凑和经验的设定往往使控制效果难以保证,根据Ad Hoc网络环境参量时变的特点,推导了无线TCP／AQM模型,将递推计算修正功能引入PID算法,设计了一种基于RBF神经网络的PID的AQM,该算法可以在线调整PID控制器增益．仿真表明：在动态拓扑、无线分组丢失的AdH oc网络中,该算法取得了较好的队列控制效果．     

基于NS2的PQM和AQM的仿真实现与比较

队列管理机制是网络拥塞控制的一项重要技术,该机制主要分为被动队列管理机制（PQM）和主动队列管理机制（AQM）两大类,前者在拥塞发生时被动地使用丢尾策略（D ropTail）丢弃所有新到的分组,而后者则根据队列长度的变化进行提前丢包,尽量减少和避免拥塞。为了对PQM和AQM进行比较、研究,以各自经典算法D ropTail和RED为例,在NS2环境下实现了两种机制的模拟与分析,指出了各自的优缺点,为进一步研究完善拥塞控制算法提供依据。     

利用时延特性的模糊TCP拥塞控制算法

提出了一种基于时延的模糊控制TCP拥塞控制算法(DFCC),采用当前RTT变化和历史变化相结合的方法,通过一个模糊控制器调节CWND,从而对网络拥塞情况有了更好的估计和反应,有效解决了突发拥塞降低吞吐量的问题。仿真试验表明,改进的算法更加准确地监测到网络拥塞,提高了网络的吞吐量。     

道路交叉口信号的模糊神经网络控制

应用模糊神经网络对交通系统进行控制是一种新的尝试，它可以充分发挥模糊逻辑和神经网络的优势，实现更为有效的控制。提出了一种基于模糊神经网络的道路交叉口交通信号控制方法，根据两相位的关键车流信息来决定绿灯延长时间，形成控制策略。仿真结果表明，与传统的定时控制方法相比，所提出的神经网络控制方法在车辆平均延误时间和排队长度方面都有较大改进，该方法有效、可行。     

一种增强的EFCI拥塞控制算法的研究

基于明显前向拥塞指示（ＥＦＣＩ）的拥塞控制是一种简单的可用比特率（Ａｖａｉｌ－ａｂｌｅＢｉｔＲａｔｅ：ＡＢＲ）拥塞控制机制．文中提出了一种改进的ＥＦＣＩ拥塞控制算法（简称Ｅ－ＥＦＣＩ）．理论分析与计算结果表明：Ｅ－ＥＦＣＩ拥塞控制算法在减小可用信元速率（ＡＣＲ）波动、队列长度和端到端时延等方面,明显优于传统ＥＦＣＩ拥塞控制算法     

异构网络环境中的拥塞丢包率仿真分析

针对TCPVegas算法在异构网络环境中流量公平性导致的拥塞丢包问题,将TCPVegas拥塞控制算法与主动队列控制策略来行结合分析,提出了将网络模型中不同层次的拥塞控制机制进行结合的算法。网络仿真表明,结合算法能有效避免拥塞丢包。该算法对随机早期检测算法进行了改进,使其能够区分突发流量,从而降低拥塞丢包率,这也将为高可靠性网络的发展提供一个优良的参考价值。     

基于模糊控制理论的RED改进算法

针对RED算法在业务突发度较强或流量抖动较大时不能获得满意的吞吐性能的问题,提出一种基于平均队列长度和平均队列长度变化的模糊控制RED算法．该算法不再对每个队列设置固定的门限,而是根据当前网络流量的状况动态地推理出数据包的丢弃概率．     

稳定的随机早期检测方法

针对随机早期检测（RED：Random Early Detection）对网络时滞、参数设置敏感的问题,提出一种适用于时滞网络的稳定随机早期检测算法（TRED：Time-delay RED）。引入史密斯预估器,以抑制网络时滞对网络性能的影响;采用瞬时队列长度替代平均队列长度作为拥塞指示,加快系统的响应能力;改进RED算法的丢包概率函数为非线性函数,同时自动调整系统参数,以适应网络环境变化。仿真结果表明,TRED算法能成功补偿网络延时,并在不同的时滞环境、不同程度的拥塞环境中保持稳定的队列长度,具有很强的环境适应性,从而保证了良好的网络性能。     

一种基于单神经元的模糊自整定PID控制器

为解决普通的PID控制器设计对系统模型有一定依赖性问题,本文将单神经元网络和模糊逻辑相结合,提出了一种基于单神经元的模糊自整定PID控制器。单神经元控制部分本身还是一个PID控制器,但由于权值可以在线调整,具有较强的自学习和自适应能力,而通过模糊控制器对输出整定,可加速控制过程。将该控制器应用于船舶运动控制仿真中,仿真结果表明,单神经元模糊自整定PID控制器能使船舶更快地达到设定航向,且航向曲线和打舵更加平稳,可明显改善对大纯滞后、大惯性系统的控制效果,在工业控制中有广泛的应用前景。