一种改进的主动队列管理算法

主动队列管理是实现网络拥塞控制的重要技术,但是多数主动队列管理算法如随机早期检(RED)都存在对参数依赖性强的问题。针对RED算法中平均队列长度不能完全反映网络拥塞状况的问题,该文结合平均队列长度和网络的负载,提出一种改进的RED算法。该算法能根据网络负载的变化,自适应地调整丢包的概率,使它更符合网络的实际状况。通过仿真进行了性能分析,证明了算法的有效性。     

随机早期检测算法的研究与改进

主动队列管理是实现网络拥塞控制的重要技术,随机早期检测算法作为一个重要的主动队列管理机制,在一定程度上能够缓解网络拥塞。针对该算法的稳定性不足、平均队列长度不能完全反映网络拥塞状况等问题,给出一种改进算法,使它更有效地对网络拥塞进行控制。并通过仿真进行性能分析,以此证实该改进算法的有效性。     

基于高层模糊变结构控制的主动队列管理算法

从控制论的角度出发,主动队列管理算法将IP层纳入到拥塞控制机制.该文根据TCP拥塞控制机制的线性化模型,利用线性化模型时延因子的多项式表达式,提出了基于高层模糊变结构控制主动队列管理算法,简化了控制器的设计.NS仿真结果显示本算法提高了拥塞控制的性能和鲁棒性,有效地补偿了时延因子对于控制性能的影响.     

基于改进量子粒子群和主动PI模型的自适应无线传感器网络拥塞控制算法设计

针对无线传感器网络中路由节点需要转发大量数据导致网络拥塞,从而引起节点丢包率高和网络吞吐率过低的问题,提出了一种基于主动PI模型和改进量子粒子群优化算法的拥塞控制方法;首先定义了丢包率和队列长度计算方式;设计了改进的PI主动队列管理模型,然后,为了改进PI模型的控制效果,采用改进的量子粒子群算法对PI主动队列管理模型中的比例系数和积分系数kP和kI进行参数优化,从而得到能实现WSN自适应控制的主动PI控制模型;最后,对基于量子粒子群算法和PI主动队列模型的网络拥塞算法进行了描述和说明;仿真实验表明:文中提出的拥戴控制方法能有效实现WSN拥塞控制,是一种适用于WSN的有效拥塞控制方法,与其它方法相比,具有较短的平均队列长度和较大的网络吞吐率,具有很强的可行性。     

一种精确度加强的主动队列管理算法PEBLUE

主动队列管理是IP拥塞控制的一种重要机制，BLUE算法作为一种典型的主动队列管理算法，使用丢包和连接空闲；件来控制拥塞，但是其性能还不稳定．本文对BI。UE算法进行了改进，提出了一种精确度加强的主动队列管理算法—PE-BLUE（Precision Enhanced BLUE），它能自适应地调整其参数．仿真表明PEBLUE能够进一步提高对队列的控制精确度，改善BLUE算法的性能．     

基于Smith的自适应模糊网络拥塞控制算法

针对网络拥塞控制系统中因网络时滞对主动队列管理算法产生的不利影响, 提出了一种基于Smith预估的自适应模糊主动队列管理算法。该算法将Smith预估控制与自适应模糊控制相结合, 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、鲁棒性差等缺点。仿真结果表明, 该方法可以使队列长度快速收敛到设定值, 同时维持较小的队列振荡, 尤其是在网络条件变化的情况下, 该算法优于传统PI控制、模糊控制和传统的滑模控制。     

一种自适应的主动网络拥塞控制机制研究

传统的端到端的拥塞控制机制不适应主动网络,针对主动网络面临的拥塞问题,提出了一种自适应的主动网络拥塞控制解决方案.在中间节点为转发到相邻节点的主动信包建立缓冲队列,以缓冲区中队列长度来表明节点的拥塞程度,通过对前向节点计算单元进行控制来改变当前节点拥塞状况,网络中相关节点通过协作对网络进行拥塞控制.理论分析和模拟试验结果表明,不管网络初始状态如何,该方案均能使各节点迅速达到动态平衡,快速消除主动网络拥塞.     

NS2中新协议的实现

深入分析了网络仿真器NS2的组成和结构,以及NS2中队列管理算法的实现机制,在此基础上,通过一个新的主动队列管理算法的设计与实现阐述了在NS2中实现新协议、新算法的方法。新算法主要通过更为准确的拥塞检测和更为合理的分组丢弃概率计算来提高主动队列管理算法的稳定性,最后通过仿真实验对新算法的性能进行了测试,实验结果表明新算法的性能要由于RED算法。     

一种无线传感器网络的拥塞避免机制

针对无线传感器网络(WSN)的拥塞问题,本文提出了一种WSN的拥塞避免机制API_DR.该机制将中间节点和源端相结合,中间节点引入自适应PI主动队列管理算法,以适应WSN的动态环境;源端采用区分丢包的速率调节策略,综合当前拥塞状况和WSN高误码特性调节发送速率,避免源端误启动拥塞控制机制带来的能量消耗和吞吐量的降低.NS2仿真表明,API_DR既能较好地控制队列长度,提高吞吐量和降低丢包率,又能有效地避免拥塞,使源节点发送速率相对稳定.     

基于灰色预测可变裕度PID网络自适应算法

为了综合控制拥塞链路的队列长度,提高AQM系统对动态网络环境的自适应能力,提出了一种基于灰色预测和考虑可变裕度PID控制的自适应TCP网络主动队列管理。首先,建立相角和幅值裕度与网络参数相关的PID自适应主动队列(TCP/AQM)控制论模型,该模型可以根据网络参数的变化而动态改变控制参数,以提高AQM网络动态自适应能力,及系统的鲁棒性;其次,将灰色预测引入该模型,实现路由器队列长度的超前预测,补偿带有PID反馈模块的AQM算法给队列造成的时滞影响。与其他算法的仿真结果相比较,该设计算法能够使信息流在较短的时间内稳定在期望队列长度阈值附近。     

基于Fuzzy丢包区分的TCP自适应拥塞控制算法

针对在有线/无线的异构网络中,传统有线环境下的传输控制协议(TCP)把所有丢包简单地归因于网络拥塞,严重影响了混合网络环境下的TCP传输性能的问题,提出了一种新的基于模糊理论的自适应控制算法。该算法选取了新的网络参数,运用Fuzzy方法对网络状态进行综合评价,并基于反馈理论的方法建立了新的自适应控制模型,即对评价结果集进行加权求和,得出网络性能指数,将其作为输入因子进入下一次计算过程,并调整各参数权重。仿真表明,该算法能够较好反映混合网络的真实拥塞状况,具有较好的网络适应性,比当前主要TCP算法具有更好的拥塞控制效果。该算法对在多参数,使用模糊方法背景下,混合网络拥塞及其自适应控制研究进行了新的探索。     

基于模糊逻辑的高速网络自适应拥塞控制研究

基于模糊逻辑 ,利用自适应拥塞控制机制来预测高速网络 (如Internet中 )的拥塞问题 .把路由器的缓冲系统看作一个非线性离散动态系统 ,利用基于模糊逻辑的控制器来预测源端发送速率的确切值以防止拥塞的发生 .通过对参数向量的调节来估计无法预测的和具有统计波动性的网络通信量 ,并利用Lyapunov分析方法来验证闭环系统的稳定性 .最后 ,以一个仿真例子说明了所提出方法的有效性 .     

基于模糊神经网络的通用模型自适应控制

自适应控制是一种提高系统鲁棒性的有效方法。模糊神经网络具有了模糊逻辑和神经网络两者的优点,结合模糊神经网络（Fuzzy Neural Network—FNN）自适应控制策略和通用模型控制（Common Model Control—CMC）方法,以此来实现被控对象的逆控制,提出了基于模糊神经网络的通用模型自适应控制（FNNC—CMAC）。此控制方法参考轨迹是一条典型二阶曲线,仿真结果验证了鲁棒性,与基于模糊神经网络的通用模型控制及基于模糊逻辑的通用模型自适应控制相比,其控制性能更好。     

基于参数不敏感设计的网络拥塞控制算法

本文提出了一种新颖的主动队列管理(active queue management,AQM)策略一间隔随机早期检测(interval random earlv detection,IRED).与传统的RED机制不同,IRED的参数设计中,平均队长的门限值一最小阈值和最大阈值从固定不变的单值,变为了一个阈值区间.相对于RED的单值固定阈值的设计,IRED的适应能力和鲁棒性得到增强,在大多数的网络环境下能够保持良好的性能,特别是在网络状态出现波动和突变时,其性能比传统的AQM算法更佳.本文进一步采用了TCP-AQM的动态模型分析了使用IRED控制器的拥塞控制系统的稳定性,分析了系统的稳定裕度,并给出了稳定裕度与控制增益的关系式,从而提出了一种根据期望稳定裕度来设计阈值区间的系统化方法.最后.在NS-2仿真平台上,通过与RED和Gentle-RED种算法比较,证明IRED优越性,特别是在变负载的网络环境下的良好性能.     

汽车智能防撞自适应控制研究与仿真

针对汽车防撞模糊控制模型不能自动调整参数的缺点,建立汽车防撞自适应模糊推理模型。采用混合学习算法对自适应模糊推理模型的前提参数和结论参数进行辨识,以加速收敛。经模拟训练和仿真输出结果证明,该模型能够对汽车防撞模糊控制器隶属函数和模糊规则进行优化,较好地实现紧急报警情况下的汽车防撞自适应控制。     

Fuzzy adaptive predictive flow control of ATM network traffic

In order to exploit the nonlinear time-varying property of network traffic, the traffic flow from controlled sources is described by a fuzzy autoregressive moving-average model with auxiliary input (fuzzy ARMAX process), with the traffic flow from uncontrolled sources (i.e., cross traffic) being described as external disturbances. In order to overcome the difficulty of the transmission delay in the design of congestion control, the fuzzy traffic model is translated to an equivalent fuzzy predictive traffic model. A fuzzy adaptive flow control scheme is proposed to avoid congestion at high utilization while maintaining good quality of service. By use of fuzzy adaptive prediction technique, the difficulties in congestion control design due to nonlinearity, time-varying characteristics, and large propagation delay can be overcome by the proposed adaptive traffic control method. A comparative evaluation is also given to show the superiority of the proposed method.     

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。     

Stable model reference adaptive fuzzy control of a class ofnonlinear systems

In this paper, we propose a new adaptive fuzzy control scheme called model reference adaptive fuzzy control (MRAFC). The MRAFC scheme employs a reference model to provide closed-loop performance feedback for generating or modifying a fuzzy controller's knowledge base. The MRAFC scheme grew from ideas in conventional model reference adaptive control (MRAC). The MRAFC scheme is developed to perform adaptive feedback linearization to a class of nonlinear systems. A class of fuzzy controllers, which can be expressed in an explicit form, is used as the primary controller. Based on Lyapunov's second method, we have developed MRAFC schemes and derived fuzzy rule adaptive laws. Hence, not only the stability of the system can be assured but also the performance, such as the issues of robustness and parameter convergence, of the MRAFC system can be analyzed explicitly. We showed that in the case of no modeling error, the state error converges to zero asymptotically. In the case that persistent excitation is satisfied, we showed that the MRAFC system is asymptotically stable. By considering the periodic signal as reference input signal, we showed that the square wave can make the MRAFC system be persistently excited. The feasibility of applying these techniques has been demonstrated by considering the control of an inverted pendulum in following a reference model response     

FNN模型参考自适应控制在轧机液压弯辊系统中的应用

UC轧机液压弯辊系统的数学模型具有很强的时变性和不确定性,是典型的非线性过程;针对UC轧机液压弯辊系统的特性,提出模糊神经网络模型参考自适应控制策略,并将其应用到液压巧辊控制系统中;仿真结果表明,模糊神经网络模型参考自适应控制能够很好的跟踪参考模型的设定,系统的响应快。