基于RBF神经网络自适应滑模路由队列控制算法研究

作者:陈治; 刊名:制造业自动化 上传者:沈丽贤

【摘要】为解决网络传输过程中TCP网络控制系统非线性结构参数和不确定项上界参数等参数摄动对路由数据队列长度控制的影响,采用了一种基于RBF神经网络(Radial Base Function Neural Network)的自适应滑模控制算法,实现对路由数据传输队列长度的控制,以改善TCP网络路由队列的数据传输中存在的数据丢失及数据拥塞问题。首先,对路由队列数据传输过程进行数学建模,利用RBF神经网络辨识TCP网络控制系统的非线性函数,采用自适应滑模学习算法调整不确定项上界参数,然后使用基于RBF神经网络算法的自适应滑模控制算法控制TCP网络传输过程,并对基于RBF神经网络的自适应滑模控制算法进行了仿真验证。仿真结果表明,该控制方法能够有效抑制TCP网络控制系统结构参数摄动对路由数据传输队列长度的影响,且系统动态误差小和抗干扰性能强。

全文阅读

0引言随着网络数据量的不断增加,TCP路由传输队列长度控制导致的数据丢失和数据拥塞问题日益严重,针对网络拥塞问题的路由控制算法研究已成为学者研究的热点。文献[1]针对输入时滞的传输控制协议TCP线性动态系统采用滑模控制策略,利用LMI(LinearMatrixInequality)线性化技术将滑动超平面进行特殊线性变换,使路由传输队列长度快速收敛于设定值。文献[2]利用RBF神经网络的自适应权值学习来估计TCP网络控制系统参数变化引起的等效不确定项上界,使终端滑模控制器的滑动模态具有更短的收敛时间,达到快速控制路由传输队列长度的效果。文献[3]设计了基于径向基神经网络滑模控制器,对被控系统中受控子系统在目标点处的状态误差进行标准可控。文献[6]针对文献[1]中主要内容,改进了滑模变量的到达条件,从而有效抑制滑模控制抖振,从而有效控制路由队列数据的传输。文献[7~9]采用滑模控制对TCP网络传输过程进行了有效控制,不仅使路由队列长度控制有较好的稳定性,也增强了TCP负载和往返时延的鲁棒性。但以上算法都没有考虑TCP网络传输过程中非线性函数和不确定干扰项上界等结构参数摄动对路由数据传输队列长度控制的影响。为此,本文针对TCP网络控制系统,利用RBF神经网络辨识TCP网络控制系统的结构参数,采用自适应滑模控制算法控制TCP网络传输过程,从而解决TCP网络控制系统结构参数摄动对路由数据传输队列长度的影响,并改善了数据拥塞和数据丢失问题。1非线性TCP网络动态模型基于流体流的分析方法,建立如下TCP网络非线性动态模型[2]:其中,0?W(t)=W(t)-W,W(t)为TCP网络的窗口大小,0W为路由器线性化时刻的窗口大小,0?q(t)=q(t)-q,q(t)为路由器中当前的队列传输长度,0q为路由器线性化点时刻的传输长度,N、C和R0分别为N(t)、C(t)和R(t)的标称值,N(t)为活动的TCP连接数,C(t)为主干链路带宽,R(t)为往返时延,0?p(t)=p(t)-p,0p(t)1为分组标记概率,22200p=2N(RC)。令1x(t)=?q(t),21x(t)=x(5)(t),u(t)=?p(t),(t)=R(t),则式(1)可化为:由001NqtWtqtRR?(5)=?-?可以得出:01RWtqtqtNN?=?(5)+?(3)则等式(2)可以改写为:其中,1302NaRC=-,2200N1aRCR??=-?+???,20dNaRC=-,22CbN=-。在实际的网络传输过程中,N(t)、C(t)和R(t)都是实时变化的,并且网络中也存在着一定数量的非TCP数据流,所有这些时变因素对于等式而言相当于存在不确定项。因此,)(2(5)tx可以表示为:其中11222()()()(())()ddt=?axt+?axt+?axt-t+?t代表系统中存在的总的不确定项,1?a、2?a和d?a分别代表1a、2a和da的变化值,?(t)代表非主流TCP数据流的影响,其中存在正常数D使等式d(t)0。通过式(9)求导可得:0s(5)=e(5)(5)+ce(5)=q(5)(5)(t)-q(5)(5)(t)+ce(5)(10)采用指数趋近率方法设计滑模控制器,选取指数趋近率如下:s(5)=-ks-sgn(s)(11)其中k,为大于0的常数,根据干扰对自适应不连续控制率的影响,可以设计控制律为:01?uf(t)q(t)d(t)+cekssgn(s)b=?-+-++???(5)(5)(5)(12)其中,?d(t)为不确定干扰项的上界估计值,将式(12)代入到式(10),可得

参考文献

引证文献

问答

我要提问