主动队列管理中PID控制器的解析设计方法

主动队列管理(active queue management,简称AQM)是一个非常活跃的研究领域.作为对终端系统上拥塞控制的一种补充,中间节点的AQM策略在保证较高吞吐量的基础上可以有效地控制队列长度.基于TCP/AQM控制论模型,使用H(最优控制理论,以解析的方法设计了新型PID控制器.该控制器的特点是:控制器由单参数调节,可以方便地实现系统标称性能和鲁棒性能的折衷.通过NS仿真并与其他算法相比较,验证了所设计的控制器的性能.结果显示,所设计的PID控制器性能优于其他算法.     

主动队列管理中的APD和APID控制器的设计*

AQM策略作为终端系统上网络拥塞控制的一种补充,能在保证较高吞吐量的基础上有效地控制队列长度,从而实现控制端到端的时延,保证QoS。理论上,很多AQM机制可以最终归结为PID控制器。因此在研究PD和PID控制器模型的基础上,设计了两种新的适应性控制机制,即APD和APID控制器,使系统在网络变化的情况下能提高其稳定性和网络性能,并仿真验证了这两种新算法的稳定性和网络性能。     

基于CMAC-PID并行控制的主动队列管理方法

主动队列管理对于解决日益严重的网络拥塞问题具有极其重要的意义。本文针对PID主动队列管理算法的参数整定难且不能实时调整,不能适应复杂、非线性网络环境的缺点,提出了一种基于小脑神经网络(CMAC)与PID控制相结合的主动队列管理算法。该算法利用CMAC前馈补偿来确保跟踪误差的快速收敛,降低超调量,采用PID控制器实现回馈控制,保证系统的稳定性,而且抑制扰动。仿真结果表明,基于CMAC-PID并行控制的主动队列管理方法适应于多变的网络环境,较之常规PID主动队列管理算法具有输出误差小、响应速度快、鲁棒性强的优点。     

一种基于内模PID控制的主动队列管理算法

针对传统主动队列管理中PID控制存在的参数不易整定等缺点,通过引入内模控制思想,提出了一种基于内模控制的PID控制器（IMC－PID）,其突出特点是控制器仅有一个参数需要整定。将IMC－PID应用于网络拥塞控制中,得到了一种新的主动队列管理（AQM）算法——IMC－PID算法。仿真实验表明,IMC－PID算法有较强的鲁棒适应性及较快的队长调节速率。     

基于Smith预估的模糊PID主动队列管理算法研究

为解决网络拥塞控制系统中由于网络大时滞对主动队列管理算法产生不利影响的问题,提出了一种基于Smith预估的模糊PID主动队列管理算法.该算法将Smith预估控制与模糊控制相结合,利用Smith预估器补偿网络时滞,同时运用模糊控制在一定程度上克服了传统Smith预估器对模型结构与参数的精确性过于敏感、鲁棒性差的缺点,使主动队列管理算法控制性能有明显提高.仿真实验结果表明,该算法在大时滞的网络环境下能很好地将路由器队列长度收敛于期望值,并能适应突发流和非弹性业务流的干扰,适用于动态变化的网络环境.     

保证TCP友好流公平性的拥塞控制算法

针对非TCP友好流不遵守拥塞控制协议、易抢占TCP友好流带宽的不公平性,提出一种保证TCP友好流公平性的拥塞控制算法,设计保证TCP友好流传输公平性的AQM控制器。分析非TCP友好流的传输特点,估计出其传输流量的最大值。在设计控制器时将非TCP友好流考虑成等价干扰,并在线估计其传输带宽从而限定其最大带宽。设计控制律时利用不确定项的等价干扰方法,以抵消网络不确定性的影响,具有较好的鲁棒性。仿真结果表明,该算法能有效地保证TCP友好流传输带宽的公平性。     

基于Fuzzy推理的自调整PID控制器*

本文提出一衙 新的基于Ｆｕｚｚｙ推理的ＰＩＤ自整定控制器。     

基于单神经元预测PID的主动队列管理算法

针对网络中普遍存在的大时滞现象以及网络参数实时变化问题,将单神经元PID预测控制器用于主动队列管理算法(AQM).利用单神经元的自学习能力解决网络实时变化时算法参数的在线整定问题,并利用Levinson预测器有效地解决了大时滞对网络性能的影响,最后通过仿真进一步验证了提出算法的有效性.     

一种改进的模糊免疫反馈PID控制器

针对P型免疫反馈控制器不能克服动态干扰和消除静态误差的问题,利用模糊控制系统的非线性逼近能力,提出了一种将P型免疫反馈控制器同常规PID控制器进行混合联结的模糊免疫PID控制器的设计方法。该控制器通过免疫反馈控制规律和模糊控制规则在线调整控制器的参数。为了选择一组较优的控制器参数,用免疫算法在全局范围内对控制参数进行离线优化。仿真结果表明,该控制器较常规控制器具有更好的动态、静态特性。     

基于吞吐量和队列检测的TCP Vegas改进算法

TCP Vegas协议通过比较期望吞吐量和实际吞吐量的差值来进行网络拥塞控制,相对TCP Reno协议具有更佳的网络稳定性和利用率。通过分析两种协议在复杂环境中的网络性能,证实TCP Vegas协议在共存环境下公平性欠佳的结论,并提出一种基于网络自适应的TCP Vegas改进算法。该算法通过对期望吞吐量自适应改进和对队列拥塞监测的优化,提高了协议在复杂环境中的自适应性,增强了与TCP Reno协议共存环境下的公平性,最后通过仿真证明了改进算法的有效性。     

Active Queue Management算法研究

主动队列管理算法对于IP网络的性能影响重大,是网络拥塞控制一个主要手段。介绍了目前主要的主动队列管理算法如RED、改进的RED以及P控制器、PI控制器、模糊控制器、鲁棒控制器、内模控制器。通过对这些算法的分析,指出其中的不足之处,并对AQM算法的设计提出了一些思路。     

一种改进的主动队列管理算法

传统的主动队列管理算法（AQM：Active Queue Management）存在响应时间较长等问题,PID（Proportional Integral Differentia1） 主动队列管理算法对此作出了一定改进,然而在时延较大时也不能使队列长度收敛到期望值.本文利用BP神经网络自适应控制的特点,针对无线信道（TCP Westwood）提出了一种基于BP神经网络整定的PID主动队列管理算法.     

一种针对TCP动态队列管理的控制算法

描述了一种新的TCP/IP动态队列管理控制算法,对于传统的随机早期检测法(RED)来说,它的主要目标之一就是稳定路由器队列的长度,然而它实现此目标并不是很成功,主要因为它在平衡队列长度的过程中很强地依赖了动态TCP链接数。而新的动态控制算法则使用了一种简单的控制方法,当路由器缓冲区即将出现拥塞时,它能够根据当前路由器缓冲区负载概率来随机地实施包丢弃。该算法能够很好地稳定路由器缓冲区的队列占用数,同时,在实现过程中并不用评估动态TCP链接数以及分析网络流的状况。所给出的一个实验模型表明,该控制算法是有效可行的。     

基于静态输出反馈控制器的主动队列管理

利用李亚普诺夫函数对线性时滞系统的鲁棒稳定性进行了证明．给出了一种基于线性矩阵不等式（LMI）的参数判定依据,设计出了一种实现主动队列管理的静态输出反馈控制器（SOFC）．仿真结果表明,这种控制器具有良好的控制性能,并且在变化的网络环境下具有较强的鲁棒性．     

主动队列管理中PI与PID算法的仿真研究

主动队列管理机制是一个非常活跃的研究领域.在Hollot论文里用线性控制理论模型化TCP的基础上,采用NS仿真平台设置网络仿真场景,对主动队列管理机制中的PI和PID这两种典型算法进行了仿真研究.还介绍了NS模拟器的结构和利用模拟器进行网络仿真的一般步骤.文中的仿真实验设置了不同的实验条件,采用了异质流来模拟真实的网络场景,验证和比较了PI及PID控制算法在主动队列管理机制中的性能.通过NS-2模拟器模拟表明,PID算法的快速性优于PI算法,而PI算法的鲁棒性则比PID更好.     

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 Neuronbased Adaptive 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．     

基于速率和队长的大时滞网络AQM算法

针对网络拥塞控制系统在大时滞网络中产生的不利影响,提出一种基于速率和队长的大时滞网络AQM算法。该算法采用缓冲区队列长度和包到达速率作为网络拥塞的判别依据,在结合Smith预估的模糊PID控制方法中加入速率控制项。仿真表明该算法在大时滞和网络动态变化的环境中拥塞响应较快、收敛时间短,并能较好地将队列长度稳定到期望值附近,提高缓冲区的利用率。     

一种PID模糊控制器

在传统的PID控制器基础上,本文提出一种基于PID模糊控制的混合型控制算法,旨在能同时兼顾系统的稳态精度和动态响应速度。仿真结果表明,性能更优。     

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。