基于T-S模糊控制理论的网络拥塞控制算法研究

摘要

随着计算机网络的快速发展，网络用户数量的急剧增加以及新型网络应用的不断出现，给网络的正常运行带来了一系列问题，其中最严重的就是网络拥塞问题。网络发生拥塞时，将导致网络的吞吐量下降、时延增加、分组丢弃率加大，严重时会导致网络崩溃。因此，为了防止和控制网络拥塞的发生，需要设计有效的网络拥塞控制算法。目前，网络拥塞控制算法是改善网络性能、保证网络稳定运行以及提高网络服务质量(Quality of Service，QoS)的重要手段。
　　 近年来，专家学者们在网络拥塞控制算法的研究方面取得了很多成果。由于端到端的TCP拥塞控制具有一定的局限，主动队列管理算法(Active Queue Management，AQM)成为了网络拥塞控制的当前研究热点。本文主要从AQM算法方面对网络拥塞问题进行研究。主要的研究成果如下：
　　 (1)提出了一种基于T-S模糊模型的主动队列管理算法。针对网络拥塞控制系统的非线性模型，利用T-S(Takagi-Sugeno)模糊模型能很好逼近非线性系统的特点建立了拥塞控制系统的T-S模糊模型，并基于T-S模糊模型设计了状态反馈AQM控制算法，给出了系统稳定的条件，并利用线性矩阵不等式(LMI)技术给出了AQM控制器的参数设计方法。仿真结果表明，该算法能够将队列长度快速收敛到期望值附近，具有较好的稳定性和鲁棒性。与PI、REM、ARED等算法的性能比较表明，该算法在收敛速度、稳定性、鲁棒性、队列长度的波动等性能方面均有明显提高。
　　 (2)设计了基于T-S模糊模型的单神经元自适应PID控制算法。通过引入T-S模糊模型来调节神经元增益参数，使得单神经元自适应PID控制算法具有增益自整定功能。仿真结果表明，与改进的单神经元自适应PID控制算法相比，该算法具有更好的收敛性，能够将队列长度迅速收敛到期望值附近，同时表现出了较好的稳定性、鲁棒性和更小的稳态误差。

目录

文摘

英文文摘

声明

1绪论

1.1研究的背景及意义

1.2拥塞和拥塞控制算法

1.2.1拥塞的定义

1.2.2拥塞产生的原因

1.2.3拥塞算法分类

1.3 TCP拥塞控制的研究现状

1.4.AQM算法的研究现状

1.4.1 RED及其改进算法

1.4.2基于优化理论的AQM算法

1.4.3基于控制理论的AQM算法

1.5本文的主要工作和章节安排

2 T-S模糊模型

2.1引言

2.2 T-S模糊模型的结构及特点

2.3 T-S模糊模型的求取

2.4 T-S模糊模型的控制器设计

2.5小结

3基于T-S模糊模型的状态反馈控制算法

3.1引言

3.2网络拥塞控制系统的T-S模糊模型建立

3.3基于T-S模糊模型的状态反馈控制器设计

3.3.1控制器设计

3.3.2稳定性分析

3.3.3控制算法具体实现步骤

3.4算法仿真与分析

3.4.1仿真软件NS-2简介

3.4.2仿真环境及参数配置

3.4.3不同期望队列长度下的算法性能分析

3.4.4不同瓶颈链路容量下的算法性能分析

3.4.5不同TCP连接数目下的算法性能分析

3.4.6不同RTPT情况下的算法性能分析

3.4.7负载变化情况下的算法性能分析

3.4.8混合流量情况下的算法性能分析

3.4.9不同算法仿真比较

3.5小结

4基于T-S模糊模型的单神经元自适应PID控制算法

4.1引言

4.2单神经元自适应PID原理

4.2.1差分式PID控制算法

4.2.2单神经元控制系统模型

4.2.3单神经元控制学习算法及收敛性

4.2.4单神经元自适应PID控制算法

4.3基于T-S模糊模型的增益自调整单神经元自适应PID控制算法

4.3.1增益自调整的提出及T-S模糊模型描述

4.3.2调整增益K的T-S模糊规则建立

4.4算法仿真与分析

4.4.1仿真环境及参数配置

4.4.2不同期望队列长度下的算法性能分析

4.4.3不同瓶颈链路容量下的算法性能分析

4.4.4不同TCP连接数目下的算法性能分析

4.4.5不同RTPT情况下的算法性能分析

4.4.6负载变化情况下的算法性能分析

4.4.7混合流量情况下的算法性能分析

4.4.8不同算法仿真比较

4.5小结

5总结与展望

5.1总结

5.2展望

致 谢

参考文献