基于滑模控制理论的若干网络拥塞控制算法研究张楠楠）课件.ppt

基于源端的算法 基于路由器的算法 基于优化理论AQM算法 基于优化理论AQM算法 TCP Vegas网络模型的非线性微分方程表示： 平衡点处线性化 设 状态空间方程 定义 选取滑模面: 控制器设计 本章将TCP Vegas 源端网络模型转化为状态空间表达形式； 应用滑模变结构控制方法对其进行控制； 该算法能够补偿模型不确定性的干扰，使缓冲器队列长度维持在期望值附近。 奖赏业务(EF) 要实现低延时、低抖动、低丢包率。 Video 确保业务(AF) 对象为可以承受一定延时和带宽限制的应用。 Web browsing 选取滑模面: 设计控制律: 其中， 定义滑模面 本章研究了区分服务网络模型； 应用整体动态拥塞控制策略，分别对不同服务等级的缓冲区进行调节； 提出了模糊滑模控制方法和补偿输入时滞的滑模算法。 本章利用T-S模型近似逼近原有的非线性区分服务网络系统； 同时考虑网络中各种不确定和时变时滞因素的影响，利用LMI设计了渐近稳定的滑模面，给出了滑模面存在的充分条件； 从仿真结果可以看出，本章算法设计的滑模AQM控制器的稳定性和鲁棒性优于普通的滑模控制器。 Step 3):这里用自适应率估计系统的不确定项F。 故选择第三个Lyapunov函数如下： 由(6.24)式得到如下自适应反演滑模控制律： 考虑业务到达速率的输入延时，那么系统模型可以改写成如下带有延时的形式： 基于指数趋近律的SOSM控制器设计 螺旋SOSM控制器设计 本章关注于二阶滑模控制器在区分服务网络拥塞控制中的应用问题； 分别设计了基于Lyapunov函数的、基于指数趋近律的和基于螺旋算法的二阶滑模控制器； 二阶滑模控制算法在保持一般滑模算法的鲁棒性的同时能够有效削弱系统的抖振。 探索在多瓶颈网络条件下的滑模AQM算法； 对高速网络中流量特性的研究； 研究多种资源的联合分配； 运用非线性方法分析网络的全局稳定性。 图7.7确保服务带干扰条件下的队列长度 图7.6确保服务的控制信号 图7.5 确保服务队列长度 7 基于二阶滑模的DiffServ网络拥塞控制算法 小结 7 基于二阶滑模的DiffServ网络拥塞控制算法 控制策略 图4.1 整体动态拥塞控制策略结构图 奖赏业务 Controller Controller 确保业务 4 基于DiffServ网络的滑模控制器设计 采用指数趋近律设计， 采用模糊逻辑设计来加快到达 时间和减小抖振， 、 和 都是正实数。 滑模控制器设计 奖赏服务 4 基于DiffServ网络的滑模控制器设计 (4.6) (4.7) 确保服务 考虑网络参数不确定和传输时延导致的光滑不确定性因素，将模型改写成： (4.13) 假设g1，g2满足匹配条件： 设计控制器形式如下： 其中， 是理想的无际反馈控制项， 是在辅助空间中能够抵制不确定因素的积分滑模控制项。 (4.14) 4 基于DiffServ网络的滑模控制器设计 (4.16) 其中， ， 是满足下式的辅助变量： 4 基于DiffServ网络的滑模控制器设计 定理4.1 选择如下控制器 其中， 那么，系统的滑模面在有限时间内可达。 (4.17) (4.18) (4.19) (4.20) 图4.5 奖赏服务类缓冲器的平均队列长度 图4.7 奖赏服务的链路容量 仿真分析 4 基于DiffServ网络的滑模控制器设计 图4.8 确保服务类业务缓冲器的平均队列长度 图4.10 确保服务类业务的平均到达速率 4 基于DiffServ网络的滑模控制器设计 小结 4 基于DiffServ网络的滑模控制器设计 5 基于DiffServ网络的T-S模糊滑模控制器设计 其中： ， ， ， T-S模糊模型的建模 ：if is and is , then (5.4) 其中: 为模糊子集， 为模糊规则数， 对于式(4.3)令 (5.3) 区分服务网络的T-S模糊模型 对系统(5.4)采用单点模糊化、乘积推理和加权平均反模糊化得到系统的全局模糊状态方程如下： 其中： (5.5) . (5.6) 假设 是非匹配的， 是匹配的，即 ，那么系统(5.5)可改写成如下形式： 再假设(Ai，B) 可控， 满足 ，则存在一个线性非奇异变换 5 基于DiffServ网络的T-S模糊滑模控制器设计 变换为简约型 (5.8)