随着计算网络规模的不断扩大和应用业务的日益丰富,拥塞控制在保证网络运行和服务质量方面的重要性持续增加,其主要由基于端到端的传输控制协议(Transmission Control Protocol,TCP)和基于路由的主动队列管理(Active Queue Managment,AQM)组成。基于路由端的AQM控制机制能够主动的监控网络状态,避免网络拥塞产生,有着降低排队时延、提高链路利用率、减少丢包率的优点。但研究表明,对于存在动态突变以及非响应流量的复杂网络场景,AQM算法有着建模复杂、参数配置困难、队列稳定性差、网络资源利用率低等缺陷,已成为国内外学术界热点研究问题之一。本论文在部级科研项目“船舶信息网络控制技术研究”支持下对AQM算法及其相关问题进行了系统的研究和探讨。本文利用T-S(Takagi-Sugeno)模糊模型不依赖于被控对象的精确数学模型且对于非线性系统具备良好逼近能力的特点,对非线性的TCP/AQM控制系统进行了 T-S模糊建模,将受链路参数摄动影响的网络系统等效为具有不确定性的状态空间模型。利用Lyapunov稳定性理论和线性矩阵不等式(Linear Matrix Inequlity,LMI)方法,给出了状态反馈作用下闭环系统渐近稳定的充分条件和控制器的设计方法。验证了模糊保性能控制律的存在条件和设计方法,从而达到对于指定性能指标的最优化设计。仿真结果表明,对于网络负载变化及时延抖动,该算法能够保证路由器队列长度稳定跟踪目标值,从而避免网络拥塞现象发生。对网络拥塞模型的研究可知,其模型具有非线性特点,且网络运行时其参数随工况变化而变化,要求控制算法中考虑模型参数变化的因素。针对此种情况,提出了预测函数队列管理策略,利用预测模型来预测网络的未来动态,在一定程度上提高了控制系统的性能,使队列长度稳定跟踪目标值。在将带有性能约束的网络预测控制求解转化为Lagurange乘子算法,避免了直接在路由处理器中求解QP问题,节省了计算资源。在网络中存在参数摄动和动态突发流、非响应流干扰的情况下具有很强的鲁棒性。针对TCP/IP网络模型提出了滑模预测队列管理策略,利用预测模型来预测网络滑模面的未来动态,利用滑模控制具备良好暂态性能和鲁棒性的特点,通过优化丢包率确保路由队列快速平稳到达目标值。研究了网络存在变化长时延τ时对AQM系统稳定性的影响,并利用线性矩阵不等式和Lyapunov-Krasovskii理论得到使得网络系统不依赖于延迟的稳定性充要条件。通过仿真验证了滑模预测算法对于存在较大时延的网络有良好的控制性能,克服了网络突发流和往返时延等不确定因素给系统带来的不利影响,有效避免了网络拥塞发生。基于复杂自适应模型的拥塞控制方法在快速性、易处理性等方面难以满足高速网络的需求,采用固定的简化数学模型又会导致控制精度和性能上的损失。引入灰色预测建模方法来使模型具有处理不确定变量的能力,弥补了固定模型导致算法鲁棒性差的缺陷,在滑模自适应控制器中加入鲁棒控制项.在线学习方式可以自适应地调节控制参数以保证网络系统在滑模面附近的稳定性,提升了响应速度和稳态特性。在复杂多瓶颈网络场景中的仿真结果表明,该控制策略可以有效的抑制网络扰动,对于混杂异构网络具有较强的鲁棒性。介绍了作者参与开发,应用于大型船舶的网络信息系统,探讨了船舶信息网络系统的基本功能和结构设计,介绍了原理仿真实验平台的硬件架构和监控软件系统设计,着重介绍了软硬件结合的半物理仿真平台,以及舵桨协同控制等实验项目,为未来组建船舶信息网络系统提供借鉴。具有重要的工程价值。论文从理论意义和应用前景等多个角度出发,对所提出的主动队列管理算法进行了研究和论证,给出了详细的参数配置方案和调节规则。在单瓶颈及多瓶颈网络场景中进行了一系列仿真实验,给出了详尽的结果分析算法性能比较。仿真结果表明,文中所提出的几种AQM控制算法性能良好且各具特点。