HSTCP/AQM模型中PI控制参数的研究

通过建立适用于HSTCP和AQM反馈控制系统的流体流模型,在模型的控制部分采用PI算法。对于PI算法的控制参数采用频率域稳定裕度的方法确定。通过NS-2仿真,验证设计的拥塞控制方法,在高速网络环境下具有良好的拥塞控制性能。

基于T-S模糊观测器的网络拥塞控制算法

针对TCP(传输控制协议)网络的拥塞控制问题,设计了基于模糊观测器的主动队列管理算法.对非线性TCP/IP网络拥塞控制系统建立了T-S模糊模型,通过选取适当的模糊规则和隶属函数来提高拥塞控制系统的性能,并给出了理论性证明.仿真结果表明所设计的控制器对活动的TCP连接数、链路带宽及往返时延的不确定性具有很强的稳定性和鲁棒性.

基于PID神经元网络和内模控制的拥塞控制算法

针对网络系统的大时滞和非线性特性,设计了一种新的拥塞控制算法,将PID神经元网络与内模控制相结合应用于主动队列管理中,并使用Lyapunov理论证明了此算法的稳定性。NS仿真结果表明,这种算法的稳态和瞬态性能都优于PID算法,并且在参数变化和负载扰动时具有很强的鲁棒性。

一种基于双模控制的主动队列管理新算法

随机指数标记算法(REM)是一种有效的主动队列管理算法,但由于TCP/IP网络流量模型呈现非线性特性,故而其控制效果不佳,存在队列稳定性差,对动态流量响应慢等问题。为了解决上述问题,提出了基于双模控制的主动队列管理算法(Fuzzy-REM)。算法采用分段控制策略,在瞬时队列偏差大于阈值时,采用模糊控制,反之采用REM控制,从而将模糊控制的快速响应和REM稳态性能好的优点结合起来。NS2中的仿真实验表明,相对于REM算法,Fuzzy-REM提高了队列稳定性,加快了收敛速度,增强了算法对网络环境变化的适应性。

基于精确模型的网络拥塞控制算法

针对基于流体流理论提出的网络模型在推导过程中的一些近似使得该模型对网络行为描述的不精确问题,提出了网络流量的精确模型,并且基于该模型把一种新的PID及类PID设计方法用于主动队列管理(AQM)控制器的设计,利用约束化的数值优化方法寻找控制器参数。理论分析和仿真实验表明,该控制算法的综合性能优于PI算法。

一种基于内模PID控制的主动队列管理算法

针对传统主动队列管理中PID控制存在的参数不易整定等缺点,通过引入内模控制思想,提出了一种基于内模控制的PID控制器(IMC-PID),其突出特点是控制器仅有一个参数需要整定。将IMC-PID应用于网络拥塞控制中,得到了一种新的主动队列管理(AQM)算法——IMC-PID算法。仿真实验表明,IMC-PID算法有较强的鲁棒适应性及较快的队长调节速率。