基于Smith原则的ATM网络拥塞控制

In this paper, the prediction of available bandwidth and Smith principle are applied into the congestion control based on the ATM model of single bottleneck node. The method can realize that the queue length in the switch traces the given desired value without error. And it also restrains the effect under the existence of wave of available bandwidth. In the simulation, we can see that the queue length keeps in a certain bound. The phenomenon of congestion is avoided and guarantees the quality of service at the same time. It verifies the effectivity and feasibility of the scheme.     

基于T—S模糊神经网络的ATM网络业务量智能控制

ATM网络的业务量控制是ATM网络中的关键技术之一。在充分考虑了模糊神经网络的学习功能后,提出了利用T－S模糊神经网络算法对ATM网络进行呼叫接纳控制。仿真结果表明,该方法提高了网络对呼叫的实时处理能力,又增加了网络资源的利用率。     

ATM网络模糊拥塞控制策略研究

ATM网络信息拥塞是制约网络发展的一个重要因素。本文针对单瓶颈节点网络,考虑两个饱和非线性因素,制定控制规则,寻找优化参数,设计模糊控制器。仿真结果表明在回路时延和可用带宽大幅波动的情况下,系统仍具有较好的控制效果,保证服务质量,进一步验证了算法的有效性。     

多通道ATM 网络鲁棒拥塞控制

拥塞控制对ATM网络有效、稳定运行具有重要的作用，在单瓶颈多通道的网络模型下，基于Smith预估原理，提出一种新颖的鲁棒拥塞控制器设计方案，这种基于速率的拥塞控制可以保证ABR的服务质量(QoS)，理论分析和仿真结果表明，所提出方案收敛速度快，对网络的不确定因素具有较强的鲁棒性。     

一种改进的ATM网络拥塞控制方法

本文对ATM交换网络中的拥塞控制问题进行了研究，运用自适应控制理论技术，提出了一种新的拥塞控制算法，给出了数学分析模型，并通过计算机仿真分析。实验结果说明了本文中的方法的有效性。     

ATM网络拥塞控制中PID控制器的设计

自适应比特（ABR）业务的流量控制是ATM网络中一种有效的拥塞控制机制和流量管理手段。在大规模的高速网络中，算法的简洁性对优化交换机的性能是至关重要的。尽管二进制ABR流量控制的简洁性具有相当的吸引力，但显式前向拥塞标识（Explicit Forward Congestion Indication,EFCI)算法控制的队列长度和允许信元速率（Allowed Cell Rate,ACR)大幅振荡，降低了链路利用率，严重的影响了交换机的性能，为此有了相对复杂却有效的显式速率反馈机制，在该文中，引入了拥塞的概率判定机制，并运用经典控制理论为拥塞判定概率的实量更新设计了线性的PID控制器，避免了非线性的控制规律可能诱发的系统自激振荡，在PID控制器的参数整定上，因为使用常用处受到限制，进而给出了一种基于确定稳定裕度的参数整定方法，仿真试验表明：二进制流量控制中的PID算法在保持了算法简洁性的前提下，大幅度地抑制了ACR和队列长度的振荡，提高了链路利用率，减小了队列系统引入的时延抖动，为保证ATM网络中的服务质量（Quality of Service,Qos)提供了必要的技术支持。     

ATM网络信元丢失率的计算机仿真

该文通过所设计的ATM网络VBR视频传输实验,获得了不同复用缓冲区大小及复用输出速率下的信元丢失率,基于所获得的样本数据,结合神经网络实现了VBR视频传输信元丢失率计算机仿真模型,验证结果表明我们所设计的信元丢失率仿真模型能够获得精确的信元丢失率,并且能够精确预测信元丢失率。     

ATM实时网络拥塞控制的有效CAD法则

文中介绍拥塞控制下ＡＴＭ实时网络的一种自适应实时连接模型。提出如何在新模型下接受实时连接,并研究了不同标准下的启发式搜索法则。采用这种方法可以在提供最好的可能的ＱｏＳ下增加网络拥塞下连接被接受的可能。     

基于综合动态理论的ATM网络拥塞控制

有效的网络传输控制策略是网络性能的保证,基于非线性自适应理论的综合动态拥塞控制(IDCC)通过传输队列的信息来达到控制的目的,通过对三种服务(CBR、VBR、ABR)输出的分别控制来实现对网络流量的控制,具有更好的鲁棒性、高利用率、低延迟等特性。     

一种基于FNN的高速网络拥塞控制策略

以ATM（asynchronous transfer mode)为研究对旬,同种基于模糊神经网络（fuzzy neural network,简称FNN）的流量预测和拥塞控制策略,拥塞控制是高速网络（如ATM）研究中的关键问题之一,传统的基于BP神经网络的流量预测方法因其收敛速度较慢且具有较大的误差,影响了拥塞控制效果,而模糊神经网络由于具有处理不确定性问题和很强的学习能力,很好地解决这一问题,最后通过仿真,比较和分析了基于BP神经网络和基于FNN方法和性能,证明此方法是有效的。     

Fuzzy neural network based traffic prediction and congestion control in high-speed networks

Congestion control is one of the key problems in high-speed networks,such as ATM.In this paper,a kind of traffic prediction and preventive congestion control scheme is proposed using neural network approach.Traditional predictor using BP neural network has suffered from long convergence time and dissatisfying error.Fuzzy neural network developed in this paper can solve these problems satisfactorily.Simulations show the comparison among no-feedback control scheme,reactive control scheme and neural network based control scheme.     

Congestion control based dynamic routing in ATM networks

In this paper we describe briefly a dynamic multi-path algorithm that has been considered for connection oriented asynchronous transfer mode (ATM) networks. Our scheme takes advantage of a cell multiplexing capability that has particular advantage in networks supporting variable bit rate (VBR) traffic. The fundamental objective of the scheme is to propose a congestion control based scheme that bridges the gap between routing and congestion control as the network becomes congested. The proposed routing scheme works as a shortest path first algorithm under light traffic conditions. However, as the shortest path becomes congested under unbalanced heavy traffic, the source uses multiple paths when and if available to distribute the calls and reduce cell loss. This mechanism will provide good Quality of Service for clients within the given constraints. We compare the performance of the proposed scheme with other competitive schemes. The throughput and cell loss performance are compared via simulations. These have been carried out concentrating on a five node network, each with varying traffic patterns, with the intention of gaining insight into the strengths and weaknesses of the various schemes.     

基于PID神经元网络和内模控制的拥塞控制算法*

针对网络系统的大时滞和非线性特性,设计了一种新的拥塞控制算法,将PID神经元网络与内模控制相结合应用于主动队列管理中,并使用Lyapunov理论证明了此算法的稳定性。NS仿真结果表明,这种算法的稳态和瞬态性能都优于PID算法,并且在参数变化和负载扰动时具有很强的鲁棒性。     

基于神经网络的自适应模糊控制系统

针对啤酒发酵过程中罐内温度控制问题,研究神经网络对模糊控制规则的优化方法,利用径向基函数神经网络对模糊控制规则进行优化,提高其自适应能力。以啤酒生产过程中主发酵阶段的数据作为输入样本,通过径向基函数神经网络进行学习训练,校正模糊控制规则,优化模糊控制器。优化前与优化后响应特性曲线的比较结果表明, RB F神经网络学习能力强,收敛速度快;模糊控制规则的完备性和一致性明显改善,控制器的响应速度快、超调量小、稳定性强、控制效果好。     

模糊小波基神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制.这种模糊神经网络利用了小波基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力.仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能.     

基于模糊压缩感知的无线传感网络拥塞控制算法

针对无线传感网络(WSN)的拥塞问题,提出了一种将模糊控制和压缩感知(CS)技术相结合来缓解无线传感网络拥塞的算法。首先,将压缩感知技术引进到无线传感网络的拥塞控制中,理论分析了压缩感知对缓解传感网络拥塞的效果,通过对采集数据进行压缩感知处理来减少网络冗余信息,从而缓解网络拥塞。其次,针对网络拥塞时压缩感知技术不能动态适应无线传感网络复杂环境的问题,设计了一种模糊-压缩感知的拥塞控制算法,该算法结合网络拥塞状况对压缩感知的观测矩阵维数进行动态调节,从而使压缩感知技术更好地适应传感网络拥塞状况的变化。该机制在不同的拥塞状况下能够提高网络吞吐量10%~50%,降低网络的丢包率10%~50%,减少网络时延将近5 s。通过NS2仿真表明,该机制对无线传感网络的拥塞缓解有较明显的效果。     

基于模糊神经网络大容量输油泵多变量控制

大容量输油泵系统是一个时变非线性复杂系统,生产要求对输油泵的流量、入口压力和出口压力进行协调控制.根据大容量输油泵系统实际控制要求,提出了基于模糊神经网络大容量输油泵多变量控制策略,设计了控制系统和模糊神经网络控制器的结构,给出了模糊神经网络控制器、模型辨识网络参数的修正算法.仿真结果表明该系统能根据流量、入口压力和出口压力给定值与实际值之间的偏差,在线修正控制器参数,实现对大容量输油泵流量、入口压力和出口压力的协调控制.     

基于Elman神经网络的浓相输送模糊控制系统

由于粉末物料的浓相输送系统存在严重的非线性和时变性,故要想建立其准确数学模型难度非常大,本文提出了使用模糊神经网络控制系统,并对于模糊控制规则由Elman神经网络联想记忆后提取,它不但可以获得最佳控制规则,而且响应速度快并能够进行在线进行规则的修正。经仿真实验,该控制器能够对粉末物料流量在一定范围内进行协调优化时实控制。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。