论文部分内容阅读
目前,网络拥塞算法主要在源端、网络端和基于控制论这三个领域。本文是基于控制论这个领域进行研究。论文在介绍网络拥塞的概念、原因和研究状况的基础上,分析常见的拥塞算法和控制模型,提出对模糊Smith预估控制器内模结构中PID控制器的参数取值进行优化,加强控制器的稳定性,紧接着提出增加时滞项的预估模型,来减小控制器在网络系统中的大时滞误差补偿。然后,将改进后的控制器应用于RED算法中,并对RED算法进行改进。其主要工作如下：(1)为提高模糊Smith预估控制器的稳定性,引入粒子群算法应用于模糊Smith预估控制器中。在分析控制器内模控制结构中参数kp、ki和kd取值情况对控制器稳定性影响的基础上,结合内模控制结构的特点,用粒子群算法中的目标自适应函数对参数进行迭代优化。通过理论分析和仿真实验的结果表明,优化后的参数的值kp、ki和kd能使内模控制器的输出结果u(t)和e(t)情况更加稳定。(2)为提高模糊Smith预估控制系统对网络延时预估的精确度,避免因延时估计误差而导致网络“空采样”或“多采样”,提出对闭环链路中纯时滞项tp进行预估。基于模糊Smith预估控制系统闭环链路传递函数的分母中时滞项tp不能被消除,在网络抖动较大时,tp会对链路的延时产生影响,通过设计预估模型tpm,可降低这种影响。闭环链路的公式推导和实验仿真结果表明,该改进方案能在一定程度上减小了链路中延时带来的误差,提高预估的准确性。(3)为降低RED算法的丢包率,提出将改进的模糊Smith预估控制器应用于RED算法中,对其长度和丢包率进行改进。由于RED算法的丢包率受其队列长度的影响,因此,要减小丢包率,就必须控制队列长度保持相对稳定的范围。本文充分利用改进的模糊Smith预估控制系统具有较好补偿调控的特点,将RED算法的队列长度用该控制器进行处理。但队列长度在处理的过程中,控制系统中的模糊规则对已丢失的数据包也进行计算,这就导致丢包率误差增加。为减小该误差,本文引入链路数据包的生存时间TTL作为控制器中PSO算法的粒子权重,从而得到新的RED丢包率计算公式。理论分析和实验表明,改进的RED算法在一定程度上减小了网络抖动和延迟,降低了网络丢包率,提高了网络的性能。最后,总结本文的工作,提出下一步的研究计划,并对基于控制理论的RED算法深入研究提出建议和看法。