Stability condition of FAST TCP in high speed network Oil the basis of control theory

Considering the instability of data transferred existing in high speed network.a near method is proposed for improving the stability using control theory.Under this method,the mathematical model of such a network is established.Stability condition is derived from the mathematical model.Several sivaulation experiments are performed.The results show that the method can increase the stability of data transferred in terms of the congestion window,queue size,and sending rate of the source.     

地面站数传系统的RBFNN模型及算法

针对难以建立精确数学模型的地面站数传系统,提出改进梯度迭代学习的径向基神经网络建模方法。改进梯度学习算法通过训练样本相关性矩阵的主成分分析确定网络隐含层初始节点数;改进迭代过程中网络参数的梯度信息计算方式,加快了迭代收敛速度;并增加结构调整过程,实现对网络规模的精简。通过采集地面站数传系统输入-输出数据,将改进梯度学习算法应用于网络离线训练,并给出具体实现步骤。地面站数传资源配置优化实例验证了模型具有较高泛化能力,且算法稳定性较佳。     

高超飞行器自适应动态规划的控制系统设计

针对高超声速飞行器的控制问题, 提出一种基于自适应动态规划的非线性优化学习控制方法, 设计了速度和高度自适应控制系统。首先, 将控制器分解为稳态控制项和最优反馈控制项, 同时借助反步法, 将原高超声速动力学模型转化为兼顾速度跟踪误差和高度跟踪误差的统一的误差控制模型。其次, 利用自适应动态规划法, 通过自适应调节评价网络的权值, 设计最优反馈学习控制律, 并通过Lyapunov稳定性理论严格证明了跟踪误差的一致最终有界性。最后, 数学仿真结果验证了所提方法的有效性。     

Intelligent control over chaos in the rolling process and its comparison with tracking control

Some existing methods for chaos control in engineering fields are analyzed and their drawbacks are pointed out. A tracking method can solve these problems to some extent, but it still depends on the mathematical model of the system to be controlled. An intelligent method based on fuzzy neural network (FNN) is used to control chaos in engineering fields. The FNN is employed to learn the inherent dynamics from the input and output of chaos, which can be used in the inverse system method, so that the method is free of the exact mathematical model of the system to be controlled. This intelligent method is compared with tracking method in the presence of measurement noise and model error. Simulation results show its superiority and feasibility.     

协同随机微粒群优化的神经网络预测建模

针对一类难以精确建立数学模型的非线性控制系统,提出了协同随机微粒群优化CSPSO的神经网络预测建模方法.CSPSO在协同微粒群算法CPSO执行之后引入随机微粒群优化SPSO的思想,促使CPSO摆脱了伪最小值现象,并且保证其以概率1收敛于全局最优值.通过采集对象输入/输出数据,将CSPSO应用到模型权值的离线训练中,并给出了实现的具体步骤.结果表明在实验的几种算法中,CSPSO训练的神经网络模型精度较高且算法学习的稳定性较佳.     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

基于遗传预估策略的智能主动队列管理

针对TCP传输过程中的典型时滞特性,提出了一种智能主动队列管理算法.该算法以自学习预估机制模型为核心来克服大时滞特征对网络稳定性能的影响,拥塞控制系统以两条信息通道分别实现模型补偿和预测控制功能.模型补偿通道采用了Smith预估嚣实现对网络时滞特征的动态补偿,并进一步设计迭代进化算法实现对Smith预估模型未建模特征的估计过程.预测控制通道采用基于神经网络的PID智能丢弃算法,通过神经网络的学习预测功能自适应调整预测控制通道的控制行为.通过仿真研究表明了提出的控制方法显著提高了拥塞控制机制的稳定性能和自适应性能.     

基于敏捷性导弹逆动态的神经网络控制方法与仿真研究

给出了一种基于敏捷性导弹逆动态的神经网络控制方案。该方案由两个神经网络组成：第一个神经网络（NNI）用来离线的学习整个飞行包线内导弹动态特性的逆特性，以实现系统的线性化；由于敏捷性导弹在大迎角状态下具有高度的非线性特性和气动参数突变等未建模动态，因此引入第二个神经网络（NN2）来在线的补偿NNI的逆误差。在线学习的权值调整由Lyapunov理论得出，保证了闭环系统的稳定性。该控制方案对参数变化及未建模动态等具有良好的鲁棒性。将其应用于敏捷性导弹的控制中，数字仿真结果表明该控制方案有效。     

复杂制造协同物流网络资源规划的不确定性控制优化

复杂制造协同物流网络作为动态开放系统,其资源规划决策易受网络中随机不确定性因素影响而出现刚性敏感和稳定失效现象,此问题属于参数状态和概率分布均未知的完全不确定型问题.针对这种问题, 提出了带鲁棒控制约束的期望值模型, 并借助蒙特卡罗方法对资源规划决策中相关参数进行了不确定性仿真. 算例结果表明,与不添加鲁棒约束的优化模型相比, 该模型方法能有效控制不确定性因素的负影响, 增加资源规划决策的稳定性和连续性,为解决完全不确定型问题提供了新视角.     

移动Ad hoc网络分布式并行接入控制协议分析

通过对无线令牌环协议(WTRP)进行改进,提出了一种新的具有QoS保障且无竞争的分布式并行接入协议(DP-BSCP)。采用嵌入Markov链和概率母函数的分析方法,用限定服务规则进行系统建模,在系统模型的基础上得到了系统的平均排队队长以及平均等待时间的解析结果,同时也分析了不同优先级队列间的性能关系。理论分析和仿真结果是一致的,表明该协议的平均排队等待延迟和平均等待队列长度均比WTRP有很大降低;对不同优先级的数据包均有良好的适应性,满足不同优先级的性能需求且稳定性大大增强,更加适用于多业务的综合服务系统。     

陀螺稳定平台中速度环的非线性实验建模

在阐述两轴四框架陀螺稳定平台的结构和工作原理的基础上,具体分析了从实际实验装置中获取数据的方法。通过对内环中速度稳定环的机理分析,得到了简化的线性模型。针对平台在低频工作环境下所表现出的严重非线性特性,将线性模型与非线性的Stribeck摩擦力模型相结合,建立了系统的数学模型。利用遗传算法和所获得的实际系统数据对模型参数进行了辨识;通过在所辨识出的系统模型上进行扰动隔离的系统仿真实验,并将其结果与实际系统的性能进行对比,验证了所建模型的精度;通过对模型残差的分析,进一步地改进和提高了所建系统模型的精度。为研究两轴四框架陀螺稳定平台模型与误差补偿提供了实用的高精度的数学模型。     

自反馈RBF网络在高炉热状态模型预测中的应用

在RBF神经网络的输入上加入了自反馈的神经元,提出了自反馈RBF神经网络,使网络对过去时态的数据具有了记忆能力,对该网络进行了稳定性分析后,采用层叠的自反馈神经元以增加网络的动态处理能力,并设计了自反馈RBF的在线训练算法,通过对混沌时序数据的仿真实验证明该算法的有效性。在此研究基础上,建立了高炉的热状态预测控制模型,预报铁水中硅的含量以达到判断高炉热状态的目的,实验表明该模型提高了高炉热状态的预报精度。     

基于IMM/EA的卫星姿态控制系统重构容错控制

研究了在轨卫星姿态控制系统发生可修复性故障状况下的系统重构容错控制。对于处于稳态的三轴稳定卫星,当姿态发生突变时,启动故障检测与诊断(FDD)子系统,采用交互式多模型(IMM)算法得到故障发生的位置以及故障模型,同时利用故障模型中的动力学系统进行特征结构配置(EA),生成重构控制器对原系统进行补偿控制。将FDD过程与重构控制器的设计过程结合,避免了单独设计FDD子系统然后再进行系统重构带来的计算量和时间延迟。最后通过数值仿真验证了该算法的有效性。     

Research on fault-tolerant control of networked control systems based on information scheduling

A kind of networked control system is studied; the networked control system with noise disturbance is modeled based on information scheduling and control co-design. Augmented state matrix analysis method is introduced, and robust fault-tolerant control problem of networked control systems with noise disturbance under actuator failures is studied. The parametric expression of the controller under actuator failures is given. Furthermore, the result is analyzed by simulation tests, which not only satisfies the networked control systems stability, but also decreases the data information number in network channel and makes full use of the network resources.     

基于深度强化学习的网络路由优化方法

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。     

利用IC 卡数据估计公交OD 矩阵的模型及算法

利用公交IC卡数据建立了估计公交系统OD矩阵的双层数学规划模型,上层问题为广义最小二乘模型,下层问题为以变分不等式表示的基于超路径的公交网络均衡配流模型.采用启发式算法求解该双层数学规划模型,由于非对称性,运用了自适应的投影方法来求解下层的变分不等式问题,算例表明了模型的可行性和算法的有效性.     

船舶航向的神经网络并行鲁棒模型参考控制

针对大型船舶的航向控制特性,提出一种神经网络并行自学习鲁棒模型参考控制方法。这种复合控制结构利用神经网络的学习能力和非线性映射能力,解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对不确定非线性船舶的高精度输出跟踪控制;通过引入运行监控器,克服神经网络控制方法实时性差的问题;利用一个鲁棒反馈控制器,来保证神经网络模型学习初期闭环系统的稳定性。仿真结果表明这一方法对设定航向具有精确的跟踪控制效果。     

具有时变时延和丢包的网络控制系统H∞优化控制

研究了一类存在时变时延和丢包的网络控制系统(networked control systems, NCS )的H∞优化控制问题。当网络时延和连续丢包有界时,NCS被建模为等效的具有时变时滞的系统,利用Lvapunov Krasovskii泛函和线性矩阵不等式方法,在NCS渐近稳定的基础上给出NCS状态反馈次优和最优H∞控制律的设计方法,求解时不需要使用重复迭代,设计控制器时也无须知道调节参数。仿真表明了此方法的可行性和有效性。     

基于人工神经网络PID控制器的快速路出入口控制算法

在考虑出口排队的情况下,建立了快速路出入口控制的数学模型,利用神经网络调节PID控制器的参数,达到出入口控制的最优化,并对北京三环路联想桥至蓟门桥路段进行了仿真分析,将仿真结果与传统的反馈控制算法ALINEA进行了比较。结果表明,在快速路处于非高峰时段,该算法能够维持主路的交通流密度在理想范围的同时,使出入口排队长度尽可能小,保证了交通参与者的公平性。     

Performance guarantee and stability analysis of a rate-basedflow control algorithm

1.INTRODUCTION Themajordifficultiesintheavailablebitrate(ABR)flowcontroldesigncomefromtwomajorproblems:Thefirstoneistheheterogeneousroundtriptime(RTT)delaysbetweenthetrafficsourcesandthe controlpoint.Thesecondoneishowtodesignan ABRcontrolalgorithmrobusttothechangingnet workconditions.Besides,westillfocusonthenet workperformance,whichisconnectedwiththequal ityofservice(QoS).Manypapersappearedrecentlyhavedealtwith theseproblemsabove.Someauthorshaveinvestigat edtheclassicalrobustcontrol…