摘要:基于模糊自适应滑模控制提出了一种拥塞控制算法。该算法通过模糊调节滑模表面使队列跟踪性能得到改善,对于网络模型的不确定性、网络参数的时变性以及非TCP适应流所引起的网络抖动该算法具有很强的鲁棒性。仿真结果表明该方法可以使队列长度快速收敛到设定值,同时使队列震荡最小,结果也表明在网络条件变化的情况下,该算法优于模糊控制和变结构控制。
关键词:拥塞控制;模糊调节;滑模控制(SMC);主动队列管理(AQM);快速跟踪
目前,互联网采用的是无连接的端到端数据包交换,提供“尽力而为”(best effort)服务模型的设计机制。这种机制的最大优势是设计简单,可扩展性强。Internet近十年来的迅猛发展已证明TCP协议在设计上是成功的,然而这种优势并不是没有代价的。随着互联网用户数量的膨胀,网络的拥塞问题也越来越严重。例如由于队列溢出,互联网路由器会丢弃约10%的数据包,这使得网络的性能大大下降。因此,设计一个简单而有效的拥塞控制算法成为网络管理中亟待解决的问题。作为高速路由器的一个重要模块,主动队列管理(AQM)近几年来受到越来越多的重视,在高速路由器中实施AQM策略是为了提供小的分组丢失、高的线路利用率以及低的队列延时,它与TCP端到端的拥塞控制相结合,是解决目前Internet拥塞控制问题的一个主要途径。
主动队列管理一直是一个很活跃的研究领域,相继产生一些AQM算法。比较著名的AQM算法是随机早期检测(RED)[1],但是它的缺点是很难最优化地构造参数。尽管有一些基于模型的TCP/AQM途径企图克服它的缺点,例如,在文献[2]中,用线性系统分析的方法设计一种PI控制器作为一种新型的AQM方案,文献[3]中从控制理论的观点提出一个稳定和有效的PD控制的AQM方案,文献[4]基于线性TCP模型设计一种虚速率控制算法,文献[5]设计基于时滞鲁棒分析技术的AQM拥塞控制算法。但是这些算法在高速变化的动态环境下(如激活分组数量、线路容量和回路延时变化等)似乎都不能很好的运行,其主要的原因是这些途径大都是基于确定的线性化的TCP模型,因此只在平衡点附近有效。由于TCP模型的非线性本质,使这些算法表现出与动态环境不相适应。进一步考虑TCP/AQM具有时变的延时以及通过瓶颈路由器的TCP分组数目的不确定性,这就要求拥塞控制方案具有很强的鲁棒性。
滑模控制(SMC)近几年获得了广泛应用,它是解决非线性控制问题的有效方法。滑模控制对于不确定项有很强的鲁棒性,由于网络拥塞控制中存在太多的不确定因素,因此非常适合采用滑模控制方法。SMC在网络控制中已有应用[6,7]。然而,在SMC中系统对不确定项及干扰的不变性仅仅表现在滑模状态,因此缩短到达滑模面的时间势必增加系统的鲁棒性,虽然可以通过增加切换控制的增益来减小跟踪误差和到达时间,从而使系统快速到达滑模状态,但当系统状态接近滑模表面时,由于不连续动作所引起的高频抖动将使缓冲器队列处于振荡状态,不稳定的队列长度将带来延时抖动,从而加重系统的不稳定。SMC和FLC的结合能克服抖动现象并且能加速到达时间,减小模型不确定性的影响,从而增强系统的鲁棒性。文献[8]
提出应用模糊调节来移动滑模表面从而实现快速和鲁棒跟踪控制。本文参考其方法提出一种模糊调节滑模面的自适应AQM算法,以实现在网络条件变化时对瓶颈节点路由器中队列长度的快速追踪。
动态性只是一个近似的模型,忽略了超时和慢启动,综合考虑网络系统的非线性及未建模型的不确定性,下面所采用的模糊滑模变结构控制将是一种合适的控制方法。滑模控制器的设计涉及到两项任务。首先,选择一切换面S(t)规定网络系统的动态特性;其次,设计一个切换控制器p(t),使系统状态轨迹沿着滑动超平面运动,且在后面所有时间内保持在其上运动。在TCP/AQM中,维持系统状态在任何t>0时在滑模表面S(t)上运动将满足追踪要求q→qd和q!→qd。
这将迫使x1和x2从任何有界的初始位置沿着滑模平面滑向状态空间的原点,从而维持系统的稳定。并且渐进收敛的速度可以通过选择滑模面参数来任意调节。然而,在实际情况下,由于队列的延时以及系统的建模误差,理想的滑动运动是难以实现的,控制只能把系统的状态驱动到滑动流形附近,并且通常状态跟踪误差都不会在有限时间内收敛到零。由于队列长度的初始误差可能落在状态空间的任意位置,并且通常不为零,其次网络系统存在参数的不确定性项和外来干扰(非TCP适应流),结果所设计的控制率在到达阶段可能对不确定性很敏感。因此所要解决的问题是如何调节控制率,使之在到达阶段和滑模阶段都能达到系统状态变化的快速和鲁棒追踪。
本文设计了一种新型的模糊自适应滑模控制主动队列管理(AQM)算法。该算法通过模糊调节滑模表面使队列跟踪性能在网络参数变化和外来抖动时得到改善。从任何初始的状态该方法可以根据追踪误差的大小旋转或平移滑模面,从而使队列长度快速收敛到设定值,达到快速和鲁棒响应。仿真结果表明,该算法在参数变化和外来干扰(非TCP适应流)存在的情况下追踪性能优于传统的模糊控制和变结构控制。
|
