基于连续滑模控制的主动队列管理算法及仿真

基于一种改进的滑模控制器提出了一种主动队列管理（AQM）算法。采用连续的滑模控制（SMC）方案来取代不连续的切换控制，消除了滑模控制中存在的抖振现象从而使队列跟踪性能得到改善．对于网络模型的不确定性、网络参数的时变性及非TCP适应流所引起的网络抖动试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，同时使队列振荡最小，结果也表明在网络条件变化的情况下，该算法优于传统的PI控制和传统的滑模控制。     

基于显式拥塞指示的自适应主动队列管理算法

目前Internet网络中间节点拥塞控制问题在网络和控制理论界已获得了广泛关注.本文提出一种基于神经元自适应PID控制器的AQM算法,针对TCP/AQM系统模型,结合中间节点队列管理和显式拥塞指示机制(Explicit CongestionNotincation,ECN)机制,采用梯度学习算法来在线调整基于神经元PID的AQM控制器参数,以实现标记/丢包概率的自适应调整,从而对网络拥塞程度作出及时响应,尤其在网络参数时变的情况下仍能保证良好的动态性能,并显著改善网络的服务性能(QoS).最后通过NS-2仿真结果表明,该算法在队列稳定性、平均丢包率等性能方面要明显优于基于常规PID的AQM算法.     

基于模糊干扰观测器的自适应反演滑模控制研究

摩擦等外界干扰,系统不确定性信息及参数变化对飞行仿真转台的运行造成不利影响。针对该问题,提出基于模糊干扰观测器（Fdo）的自适应反演滑模控制方案（ABSMC）,在对外界干扰和不确定信息进行补偿的基础上,从稳定性出发,对不确定上界进行自适应估计,并逐步反推出控制器。通过对某型仿真转台进行仿真,得知该方案与普通滑模控制（SMC）方案相比,具有更高的跟踪精度,并极大的提高了对外界干扰,系统不确定信息和参数变化的鲁棒性。     

基于高增益观测器的非线性系统自适应模糊滑模控制

针对一类有界的不确定非线性系统,基于高增益观测器并结合自适应模糊逻辑系统和滑模控制,提出了一种基于高增益观测器的自适应模糊滑模控制方案。该方案不需要系统状态可测的条件,而是通过设计高增益观测器来估计系统的状态并能保证观测误差一致最终有界。基于李亚普诺夫函数方法,给出了自适应模糊滑模控制律以及在线调节的参数自适应律。所提出的控制方案不但能使闭环系统稳定,而且保证了跟踪误差的一致最终有界性。仿真结果进一步验证了该控制方案的实用性和有效性。     

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.     

磁轴承-转子系统的离散模糊自适应滑模控制

针对磁悬浮反作用飞轮工程化的需要,提出了一种磁轴承—转子系统的离散滑模控制方法,用于处理系统中不平衡量和非线性干扰,实现了该系统的高精度鲁棒控制。针对滑模控制方法存在抖振大的问题,采用模糊控制器输出的绝对值作为滑模控制器的增益,实现了增益的自适应调节,大大减弱了抖振。设计了离散非线性跟踪微分器用于合理提取微分,代替实际速度信号实现全状态反馈。仿真结果表明,该控制系统的不平衡量和非线性干扰得到有效抑制,控制电流较小,抖振控制在精度范围之内,位移在短时间内收敛到零,从而转子绕惯性主轴旋转,实现了自动平衡。     

一类非线性系统的自适应模糊滑模控制

针对一类非线性系统的控制,把模糊自适应和滑模控制相结合,设计了一种新型的全局滑模控制器,以全局模糊滑模面为滑模控制器的输入,通过模糊推理处理了非线性和减少了抖振,基于Lyapunov函数的稳定性分析,求出模糊控制规则的自适应律,构成一个全局模糊控制器,有效解决了传统滑模控制中,需要确定参数摄动和外部干扰上确界的问题,同时削弱了系统得抖振,仿真结果显示了该方法的有效性。     

一类非线性系统的自适应模糊滑模定位控制

针对一类由多子系统组成的,具有建模误差和未知不确定性的多变量非线性系统,提出了一种自适应鲁棒定位控制方案。分别在系统数学模型已知或未知的情形下,通过对不确定性的未知范数界描述,基于Lyapunov理论和Barbalat引理,给出了滑模鲁棒控制器的综合设计方法及其自适应控制律,保证整个闭环误差系统的稳定。该方法减少了对系统模型精确度的依赖,避免了传统方法对不确定性的人为预估行为。最后,通过船舶动力定位系统的控制仿真表明了本方法的有效性。     

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。     

基于GA的非线性电机自适应模糊滑模控制器设计

提出一种基于GA的自适应模糊积分型滑模控制策略,并将其用于具有非线性动态摩擦力的单轴运动控制系统中.控制器由自适应模糊控制项和补偿控制项组成,自适应模糊控制项用来逼近理想滑模控制律,补偿控制项用来补偿逼近偏差,利用李亚普诺夫稳定性理论推导出模糊规则和补偿控制项中逼近偏差边界在线自适应律,采用遗传算法优化自适应律中参数.仿真和实验结果表明了该控制策略的有效性.     

量测噪声情况下基于自适应D-S证据推理的滑模控制

在滑模控制中 ,当状态量测传感器存在噪声时 ,控制器不能获得准确的滑模函数信息。面向一类不确定非线性系统 ,根据滑模控制依赖滑模函数符号的特点 ,提出利用基于Dempster Shafer证据推理的多传感器信息融合方法 ,其作用是压缩滑模函数符号的不确定性 ,并基于闭环原理给出了对信息融合结果进行自适应补偿的改进方法。仿真表明了该方法的有效性。     

基于TCP/AQM的离散滑模控制器设计

基于网络拥塞控制有效的主动队列管理算法(AQM),设计了一种鲁棒的离散滑模控制器(DSMC).针对实际网络中离散化的采样系统和定期更新等运行特点,将TCP动态拥塞窗口模型离散化,考虑该模型存在的网络延迟及流量扰动等参数不确定等特点,采用鲁棒性较好的滑模控制器.在控制器的设计中,构造了包含起始点滑模面,缩短到达时间;假设不确定扰动的最大上界,采用等效控制设计控制律;然后给出了系统的稳定性分析.仿真结果表明该控制器能够获得较快的响应速度和稳定的队列长度,在网络参数变化时仍能获得很好的鲁棒性.     

广义双线性系统的参考模型终端滑模控制

利用李雅普诺夫方法研究了广义双线性系统的参考模型终端滑模控制.首先通过选取适当的非线性切换流形,与相应的终端滑模控制律来设计了广义双线性系统的终端滑模控制方法,保证了其闭环系统的渐近稳定,并使闭环系统模态能够在有限时间内达到平衡点,实现终端滑动模运动.最后,通过了一个数值算例说明了该方法的有效性.     

定性定量相结合的自适应模糊控制新算法研究

本文提出一种定性定量相结合的自适应模糊控制新算法,它有效模拟了人处理问题的思路,体现了一定的智能性。仿真实验证明该算法具有良好的动态性和鲁棒性,且设计简便,可广泛应用于被控系统中。     

一种自适应鲁棒跟踪模糊控制新算法

针对一类非线性不确定系统 ,在用T S模糊系统对未知聚拢不确定函数进行逼近的基础上 ,利用系统的耗散理论 ,系统地提出了一种自适应鲁棒跟踪模糊控制新算法。该算法基于一个新的Lyapunov函数 ,不仅可以使控制算法避免其它自适应控制算法中时常存在的奇异问题 ,而且还可以使自适应学习参数的数目减至最少 ,便于工程实现 ,并可确保闭环系统渐近稳定 ,系统的跟踪误差为零。经仿真研究表明 ,所提出的算法是有效的     

瓶颈网络TCP/主动队列管理模型及仿真

提出了一种基于离散时间Markov链的时延闭环反馈TCP/AQM(Active Queue Management)模型,并得到其稳态分布.通过以环路时延为单位,将系统时间分割成长度不同的时隙,分析每个时隙内TCP发送端发送窗口模型和瓶颈路由器队列模型.通过结合相邻时隙的参数,提出了TCP/AQM整体分析模型.该模型可以估计路由器的队列平均长度和丢包率、TCP发送端的平均发送窗口值,因此可以用于分析AQM算法性能以及给新算法的设计提供理论支持.通过在Matlab实施该模型与NS2仿真结果作比较,证实了该模型在模拟时延闭环反馈的TCP/RED系统的有效性.     

两次随机丢包的被动队列管理算法

主动队列管理算法增加了硬件资源和运算量的开销,并且存在参数设置敏感,响应相对滞后于实际网络状况的缺陷,并没有在实际网络上推广使用。因此对目前使用最多的弃尾被动队列管理进行改进,提出了两次随机丢包的被动队列管理算法。在队列满时,两次随机丢弃队列中的数据包,改善弃尾队列管理的缺陷,提高了网络传输性能;提出了速度公平性的概念,两次随机丢包的被动队列管理算法对占据队列较多的TCP链接有更好的惩罚作用,能有效提高RTT公平性和速度公平性;该算法计算量小;NS2仿真表明该算法的有效性。     

采用两类滤波器的有源噪声控制算法

将格型结构滤波器与IIR滤波器级联来实现一种有源噪声控制 (ANC)算法。这种算法在格型结构部分采用梯度自适应格型 (GAL)算法 ,在IIR滤波器部分采用Filtered U算法 ,该算法具有收敛速度快、计算量较小的特点。仿真结果证明算法是有效的。