不确定时滞TCP/AQM系统的滑模控制

针对具有非匹配不确定项和输入时滞的TCP线性化动态系统进行特殊线性变换,将原不确定时滞系统转化为无时滞系统.在新坐标下,基于滑模控制(SMC)设计了一种主动队列管理(AQM)算法.根据滑模到达条件设计了一种控制策略,基于LMI技术给出线性滑动超平面的设计方法,通过Lyapunov函数证明了系统的稳定性.仿真结果表明,该算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,该方法优于传统的滑模控制,能实现准确的跟踪,具有良好的鲁棒性.     

基于模糊滑模控制的主动队列管理算法

针对动态网络的拥塞问题,提出一种主动队列管理(AQM)算法·该算法基于模糊滑模控制器(FSMC)设计,适合于动态网络流量的变化·模糊控制的加入,缩短了到达时间,改善了滑模控制的抖振现象·对于TCP/IP网络中存在的网络模型的不确定性、网络参数的时变性以及非TCP适应流所引起的网络抖动,该算法具有很强的鲁棒性·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,该算法优于传统的PI控制、模糊控制和传统的滑模控制·     

不确定TCP网络中的滑模主动队列管理算法

为解决传输控制协议(transmission control protocol,TCP)网络中的拥塞问题,提出了一种基于滑模控制理论的主动队列管理(active queue management,AQM)算法.该算法基于线性TCP网络拥塞控制模型,为补偿网络中不确定因素的影响,采用线性矩阵不等式(linear matrix inequality,LMI)设计了一个渐近稳定的滑模面,从而使滑模面的设计问题转化为LMI的求解问题.通过在拥塞控制系统中应用一个改进的到达条件明显地降低了系统的抖振,满足该到达条件的控制器能够使路由器中队列长度的振荡得到有效的抑制.不同情况下的仿真结果表明该算法具有良好...     

具有时滞网络系统的滑模控制

针对TCP(传输控制协议)网络的拥塞控制问题,采用滑模控制理论提出了一种新的主动队列管理算法.考虑到网络中同时具有状态时滞和输入时滞的线性TCP动态系统,首先利用特殊变换将原不确定时滞系统转化为无时滞系统.在新的坐标下,设计了一个最优的滑动模面,而且所选择的控制律能够有效抑制路由器中队列长度的振荡,实现准确的跟踪.仿真结果进一步证实了该控制策略的可行性.     

时滞TCP网络的自适应滑模控制

针对具有输入时滞和状态时滞的TCP网络的拥塞控制问题,提出了一种基于自适应滑模控制的主动队列管理算法。通过引入一个特殊变换将原时滞系统转化为无时滞系统,从而消除时滞带来的影响。考虑到网络系统不确定性上界很难获得,提出了一种自适应律以适应系统的不确定的上界,并根据此自适应律设计了一个滑模控制器,所设计的控制器不仅可以使队列长度快速收敛到设定值,而且维持较小的队列振荡。仿真结果表明,该算法可以获得良好的暂态和稳态响应,该方法优于传统的PI控制和滑模控制。     

输入受限的非线性网络系统全局滑模控制

针对动态TCP网络的拥塞问题,在输入受限情况下,基于全局滑模控制理论设计了一种主动队列管理(AQM)算法.该算法消除了滑模控制的到达阶段,保证网络系统在整个控制过程中的鲁棒性.对于TCP/IP网络中存在的网络模型的不确定、网络参数的时变性以及非TCP适应流所引起的网络振动,该算法可以获得良好的暂态和稳态响应.仿真结果表明该算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,该算法优于传统的PI控制和滑模控制.     

基于反向传播神经网络的Ad Hoc网络PID拥塞控制

为了改进比例积分微分(PID)控制在Ad Hoc网络主动队列管理(AQM)中的动态性能,优化PID控制参数的整定,该文提出了一种基于反向传播神经网络的PID拥塞控制AQM方案。该文将Ad Hoc网络的分组丢弃分为拥塞丢弃和无线丢弃,考虑分组的到达与丢失为流体,推导了拥塞窗口和队列长度的随机微分关系,通过小扰动线性化理论,获得Ad Hoc网络AQM拥塞控制模型。根据该模型,设计了基于反向传播神经网络(BPNN)的PID队列控制器,该算法可以根据网络状况对控制器PID系数进行自适应的调整。MATLAB和网络模拟器(NS)仿真表明,在突发流、链路容量及时延时变的Ad Hoc网络中,新算法在收敛速度和队列抖动上优于PID。     

TCP网络的拥塞预测控制策略研究

针对Internet网络系统的拥塞控制问题,提出了一种基于预测函数的拥塞控制策略。在离散化传输控制协议(TCP)动态拥塞窗口模型基础上,将IP网络转化为具有约束的预测控制,采用预测函数算法策略进行优化求解,使队列快速平稳地到达目标值。仿真结果表明该方法能够适应复杂的网络环境,控制品质优于RED算法和PID算法,具有较好的稳定性和鲁棒性,有效减少了网络不确定性带来的不利影响。     

基于增益自适应Smith预估器的鲁棒AQM拥塞控制算法

根据Lyapunov渐近稳定定理，提出了一种基于增益自适应Smith预估器的鲁棒主动队列管理（AQM）拥塞控制算法（GAS-PI）．该算法结构简单，具有良好的鲁棒性和网络控制性能，同时克服了大时滞给队列稳定性造成的不利影响．仿真结果表明：采用GAS-PI算法，对于限制系统振荡超调量的作用非常明显，同时能使网络具有更快的响应速度及更平稳的队列——在HTTP扰动和负载变动较大的情况下，算法使得缓存队列迅速收敛到稳定值；当网络时延增大时，算法能使网络的动态性能依然保持良好．     

主动队列管理中的PID型神经网络控制

研究动态网络中间节点的拥塞控制. 提出一种PID型神经网络的主动队列管理(AQM)算法,给出基于BP学习规则的网络参数自调整规律,根据Lyapunov定理证明了系统的稳定性. 基于NS$-2平台的仿真结果表明,该算法适应瞬息万变的网络环境,系统稳态误差和响应速度等指标优于PID算法.