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。     

一种节点特征累积的自适应加权分簇算法

本文针对Ad Hoc网络的稳定性问题,提出一种AOW-ANC分簇算法,该算法通过减少簇的更新次数来增强Ad Hoc网络的稳定性.其原理是通过节点的积累特征形成能适应变化环境的簇,并采用尽量避免机制和控制相应的因子来优化网络.仿真实验证明,该算法在实际应用环境中具有较好的稳定性和自适应性.     

Ad Hoc网络路由协议的研究与仿真分析

无线Ad Hoc网络的路由算法是Ad Hoc网络的核心技术之一．Ad Hoc网络具有动态拓扑的特点,主要表现为网络节点数目和节点运动导致网络拓扑结构变化．为研究Ad Hoc网络规模和拓扑变化对分组投递率、时延、路由控制开销等性能的影响,采用Opnet软件进行仿真．结果表明Ad Hoc网络拓扑和规模变化时,从时延、收包率、路由控制等方面综合考虑,选择动态源路由协议算法较为理想．     

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.     

一种用于Ad Hoc网络的自适应故障检测算法

为提高系统可靠性和安全性,研究并提出了一个Ad Hoc网络环境下的基于心跳策略的故障检测算法。针对Ad Hoc网络多跳通信和结点混杂工作模式等特点,提出超时值预测模型,动态预测心跳消息到达时间,并根据网络状态变化实时地修正、更新预测超时值;提出基于超时值预测模型的Ad Hoc网络自适应故障检测算法,并证明算法满足强完整性和最终强准确性,是一个◇P类故障检测器。仿真实验表明,算法可以准确地对心跳消息到达时间做出预测,具有较好的检测准确性指标,能适用于Ad Hoc网络环境下的故障检测。     

基于多参数加权分簇的Ad Hoc网络移动数据库

提出一种基于多参数加权的分簇算法来构建Ad Hoc网络,算法综合考虑了移动节点的距离度、能量度和性能度等因素,提高了网络对环境的适应性;给出一种适用于该网络的移动数据库模型,分析了该模型中移动数据库的工作原理以及数据同步的方法,模型较好的适应Ad Hoc网络的多样性变化.     

基于混沌粒子群算法的Ad Hoc网络优化研究

基于混沌理论提出了混沌粒子群算法C-PSO（chaotic particle swarm optimization）,C-PSO算法针对Ad Hoc网络提取的优化指标进行优化处理,在网络优化过程中,C-PSO算法充分利用了混沌系统的随机性、遍历性、敏感性等特性,避免了PSO算法“早熟”现象的出现,避免了陷入局部最优区,增强了全局收索能力。基于网络模拟器NS-3仿真系统对C-PSO算法和PSO算法进行了仿真实验测试,通过对丢包率、网络生命周期和网络吞吐率3个网络性能指标的对比分析和评估,结果表明C-PSO算法优于PSO算法,从而验证了C-PSO算法对Ad Hoc网络优化的有效性与可靠性。实现了对Ad Hoc网络优化。      

一种最小化无线自组网链路冲突的拓扑控制算法

为了在无线Ad Hoc网络中,降低节点传输干扰,实现网络冲突控制,通过分析Ad Hoc网络模型、节点干扰模型和链路干扰模型,提出了一种拓扑控制算法,算法具备t-spanner性质和最小化链路干扰的特性.仿真结果表明,算法在保证网络连通的前提下,消除瓶颈链路,降低链路干扰,提高网络的性能.     

基于模糊集理论的Ad Hoc网络优化的研究

为了提高Ad Hoc网络的综合性能,满足不同领域对Hd Hoc网络的应用需求,基于模糊集理论（FST）提出了一种对Ad Hoc网络的优化的方法,构建了包含新增覆盖网络节点数量相对度和剩余能量相对度的评价指标集合、等级标准集合,并定义了评价指标相关的权重. 利用模糊集理论的关系合成运算法则,对Ad Hoc网络重播分组时进行优化,达到了对Ad Hoc网络优化的目的. 基于网络模拟器NS-3对FSTA和BCAST进行了仿真实验测试,通过对网络生命周期、丢包率和网络吞吐率3个性能指标的对比分析和评估,结果表明FSTA优于BCAST,验证了FSTA对Ad Hoc网络优化的有效性,改善了Ad Hoc网络的性能.      

基于NS仿真的无线自组网TCP性能研究

由于Ad Hoc网络具有多跳、无线连接的特点,其TCP性能成为Ad Hoc网络研究的重点.考虑Ad Hoc网络的多跳拓扑及无线分组丢失,根据TCP主流版本的拥塞控制规则,基于NS实验分析了TCP窗口及吞吐量性能.研究表明：基于有线网络设计与优化的TCP版本,并不都适合于Ad Hoc网络.Tahoe不但将TCP窗口维持在...     

AQM中基于神经网络自适应的PID控制器

将神经网络和PID控制器有机结合,形成一种基于RBF网络在线辨识、单神经元网络在线整定的自适应PID控制器,用于对主动队列管理（AQM）的拥塞控制.仿真结果表明,该控制器对负载队列的控制效果明显优于传统PID控制器.     

Internet拥塞控制系统的自整定PID控制器

把Internet网络拥塞控制系统看作一个具有时滞的闭环反馈系统,建立了一个PID控制器作为网络的主动队列管理(AQM)策略调节网络连接节点的拥塞率.网络系统利用时间误差平方积分准则调整PID控制器的参数,使控制器能在线自适应网络系统中的变化,从而有效地控制网络系统的数据传输.仿真表明新的AQM策略能很好地把连接节点的队列控制到期望的队列长度,并且对网络的负载扰动和参数变化具有很强的鲁棒性.     

基于单神经元神经网络的无刷直流电机控制系统仿真

无刷直流电机是一种多变量、非线性、参数时变以及强耦合的复杂系统,利用传统比例积分微分(proportional integral differential,PID)算法控制无刷直流电机存在参数调整困难、自适应能力差、控制精度低以及抗干扰能力弱等问题.为实现无刷直流电机的高精度控制,在转速环中引入了基于单神经元神经网络PID控制算法,研究了无刷直流电机的数学模型及运行特性,提出了单神经元神经网络PID算法,最后比较分析了在电机双闭环控制系统中转速环采用不同控制算法下的转速阶跃函数响应,以及三相电流、反电动势和电磁转矩的运行状态.结果表明:单神经元神经网络PID算法控制下的无刷直流电机其转速的阶跃函数响应具有更快的上升时间、更小的超调量以及更加稳定的运行状态.     

罩式退火炉温控系统的神经网络PID预测控制

罩式退火炉温控系统是一类具有大滞后及模型慢时变系统,采用传统控制方法其效果并不理想.因此,将神经网络PID预测控制思想应用于罩式退火炉温控系统,利用灰色预测模型与四阶龙格库塔法相结合对罩式退火炉温控系统的行为进行预测,同时结合神经网络PID控制器克服预测误差、系统干扰等不确定因素带来的影响,提高系统的自适应性.仿真结果表明,系统运行平稳,受不确定因素的影响较小,对罩式退火炉温控系统具有良好的控制效果.     

自适应神经网络PID控制器

提出了一种新型神经网络PID控制器，其学习速率是通过三层前向BP网络在线辨识学习，使神经元有较强的智能性、自适应和自学习的能力；同时，将Smith预估器与神经元PID控制器相结合，能更有效地抑制纯滞后的影响。仿真结果表明该控制器有较好的控制效果和鲁棒性。     

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.     

抛光力实时控制策略研究

针对传统抛光过程中的力位耦合问题,构建力位解耦的抛光力气动伺服控制系统.利用数据采集卡和Matlab/simulink的实时工具箱RTW,分别采用传统PID控制、前馈PID控制和单神经元PID控制三种控制策略,研究抛光力气动伺服系统实时控制效果.采用在线最小递归二乘法对前馈PID控制策略的参数实现精确辨识.采用有监督的Hebb学习规则调整单神经元PID加权系数.抛光力实时控制实验结果表明,前馈PID控制和单神经元PID控制与传统PID控制相比,能达到更好的控制效果.前馈PID控制达到稳定力输出所需时间短,单神经元PID控制达到力稳定的过程中振荡很小.     

水下焊缝跟踪单神经元自适应PID控制与参数优化

水下焊缝跟踪过程复杂,不确定因素多,并且焊接过程具有非线性特点,传统PID控制效果不理想.本文提出了单神经元自适应PID控制器,通过神经元的自学习能力,能够在线自适应调整PID参数,同时利用差分进化算法对单神经元自适应控制器的参数进行优化.经仿真结果可知,该单神经元自适应PID控制器响应速度快,精度高,控制效果好.     

精馏塔的神经元PID解耦控制研究

本文针对精馏塔这一多变量、非线性耦合对象,提出了一种神经元PID解耦控制方法。该方法在精馏塔精确模型补偿解耦控制基础上,采用神经元PID控制器进行控制。分析了控制器的结构及其学习算法,进行了PID和神经元解耦控制仿真实验,仿真结果表明该方法优于常规PID控制效果。