基于NLMS算法的自适应AQM控制机制的研究

针对RED算法在网络拥塞控制中使得队列波动较大的缺点,提出了一种归一化最小均方（NLMS）算法,并研究了NLMS算法在主动队列管理中的具体实现。仿真实验通过对NLMS算法、RED算法、REM算法、LRC-RED算法性能的比较,表明NLMS算法具有较好的动静态性能,且能够提高队列稳定性,降低丢包率。     

基于队列和负载因子的动态参数随机指数标记算法

为了解决随机指数标记算法(REM)队列抖动大,对动态数据流响应慢,以及环境适应性差等问题,分析了算法的控制属性,并提出了一种参数动态调整的随机指数标记算法(DREM).基于控制理论的分析表明,REM算法具有比例积分(PI)控制属性.通过引入队列因子和负载因子的概念,对队列调整状态进行实时划分,能够有效地判断当前网络的拥塞状况.同时,利用队列和负载因子设计了关键参数的调整率,以协助基于"和式增加积式减少(AIMD)"规则的TCP拥塞控制策略,有效增强了REM算法的控制性能.NS2平台中的仿真实验表明,相对于标准REM算法,DREM提高了队列长度的响应能力,减小了丢包率,增强了主动队列管理算法的适应性和鲁棒性.     

一种基于PID控制的自适应随机早期检测算法研究

为了解决随机早期检测（RED）算法中参数调整困难、收敛性差等问题，提出了一种基于比例积分微分（PID）控制的RED改进算法(PID RED).算法建立了传输控制协议（TCP）/主动队列管理(AQM)负反馈控制模型，利用经典控制理论中的稳定收敛理论求取PID控制系数，根据实际平均队列长度与预期队列长度的偏差值动态调整RED最大丢包率，从而自适应地调整RED参数.仿真结果表明，PID RED算法具有更快的收敛速度和更小的队列抖动，提高了主动队列管理策略的鲁棒性.     

数据传输改进方案在医疗设备监测系统的应用

针对在医疗设备监测系统中,因网络拥塞和储存速度缓慢,造成的网络丢包现象,设计并实现了数据传输改进方案,该方案采用TCP拥塞控制和多线程双缓存算法.TCP拥塞控制通过动态队列管理算法,设定最大丢弃概率,对TCP连接请求进行管控.多线程双缓存算法通过双线程缓存队列对数据包完成储存.实验在45、55、65台设备同时发送数据时...     

负载与队列高效结合的主动队列管理算法研究

目前已有的大多数主动队列管理算法按照判别拥塞的主要依据可以分为2大分支：基于负载（Load-based）的AQM算法和基于队列（Queue—based）AQM算法。分析了单独以队列或者单独以负载作为拥塞判别依据的不足，提出了一种基于负载与基于队列相结合的AQM算法LQC（Load Queue Contr01）算法。仿真结果证明，与RED、FRED和LDC算法相比，LQC算法能更好地稳定队列长度和减少丢包率。     

LTE中增强视频业务QoS的时延感知调度算法

提出了一种改善视频业务流性能的分组调度算法,综合考虑了队列中分组丢失的数量和分组时延信息,动态地调整用户的优先级,以达到降低系统丢包率和最大化系统吞吐量的目的.仿真结果表明,与当前典型的分组调度算法相比,所提出的算法能够较大幅度地改善丢包率、公平性、吞吐量等方面的性能.     

跟随式车辆队列高效协同弦稳定预测控制

针对前后跟随式通信拓扑的约束车辆队列弦稳定协同控制问题,提出一种分布式参数化模型预测队列控制算法。首先,建立车辆队列的纵向动力学模型,通过反馈线性化将其转化为线性状态空间模型。然后,利用邻域内车辆的预测轨迹信息构造局部优化问题,建立车辆队列局部控制器。为降低求解该局部最优控制问题的计算量,将预测时域内的控制输入增量参数化为阶梯式结构。在此基础上,设计模型预测队列控制器迭代计算算法,满足系统输入输出约束和弦稳定约束条件。进一步,应用Lyapunov稳定性定理和Moore-Penrose广义逆矩阵,获得车辆队列渐近稳定性充分条件,并分析系统跟踪性能。最后,通过与常规队列控制算法的仿真对比实验,验证所提出控制策略的高效性。     

Ad hoc网络PID主动队列管理

主动队列管理(AQM)的PI算法可以有效控制Ad hoc网络的瓶颈节点队列长度,但随着移动节点的增加.PI算法的调节时间明显增加,进而影响控制效果.而PID的微分环节可以加快系统稳定过程.从而收到更好的控制效果.针对Ad hoc网络的多跳、时滞特点,根据时延无线网络中的稳定性特点,分析、整定了PID控制器,分别给出了大时延下PI和PID算法的队列长度控制效果.通过Matlab和NS2仿真.相比PI算法,PID可减少调节时间,提高了队列控制效果,为进一步优化、设计基于控制理论的主动队列管理算法提供了基础.     

数据传输改进方案在医疗设备监测系统的应用

针对在医疗设备监测系统中,因网络拥塞和储存速度缓慢,造成的网络丢包现象,设计并实现了数据传输改进方案,该方案采用TCP拥塞控制和多线程双缓存算法。TCP拥塞控制通过动态队列管理算法,设定最大丢弃概率,对TCP连接请求进行管控。多线程双缓存算法通过双线程缓存队列对数据包完成储存。实验在45、55、65台设备同时发送数据时,数据包的接收成功率为100%、99.6%、99.1%,结果表明:数据传输改进方案能有效提升数据包的接收成功率。     

异构网络环境中的拥塞丢包率仿真分析

针对TCPVegas算法在异构网络环境中流量公平性导致的拥塞丢包问题,将TCPVegas拥塞控制算法与主动队列控制策略来行结合分析,提出了将网络模型中不同层次的拥塞控制机制进行结合的算法。网络仿真表明,结合算法能有效避免拥塞丢包。该算法对随机早期检测算法进行了改进,使其能够区分突发流量,从而降低拥塞丢包率,这也将为高可靠性网络的发展提供一个优良的参考价值。     

基于驾驶员需求转矩预测的模型预测控制能量管理

以并联式混合动力车辆为研究对象,基于驾驶员需求转矩预测,采用线性时变模型预测控制算法对对象车辆进行能量管理控制. 根据驾驶员前一段时间内的需求转矩,可以预测下一时段内驾驶员的需求转矩. 与指数函数预测方法相比,自回归模型在预测步长200步之内的预测准确度比指数函数高. 根据纵向动力学公式,可以由预测获得的需求转矩序列计算获得预测的车速序列;采用线性化处理的方法,将具有非线性特性的车辆模型转化成线性时变模型,采用线性时变模型预测控制算法进行求解;将基于驾驶员需求转矩预测的模型预测控制算法和基于规则的控制算法、工况已知的模型预测控制算法进行对比. 对比结果表明：基于驾驶员需求转矩预测的模型预测控制算法与基于规则的控制算法相比,在NEDC、UDDS和WLTC这3个标准工况下的燃油经济性均有所提高,但是与工况已知时的计算结果相比有提升的空间.     

基于T-S模糊模型的直接自适应预测控制

提出一种基于T-S模糊模型的直接自适应预测控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型的后件参数。用已经辨识好的参数,进行直接迭代计算,直接得到模型的预测输出。此算法很好地解决了非线性预测控制中,建模与优化两大难题,为非线性系统的高精度控制提供了保证。计算机仿真表明,该算法具有较好的跟踪性能。     

机器人非线性连续预测控制

研究了一种机器人非线性连续预测控制方案,其预测模型通过对系统状态进行泰勒级数展开并作适当的截改进来获得,并通过优化性能指标求得控制律。与其他非线性模型预测控制相比,所得到的器具有解析形式,方法简单、计算量小、利用在线应用。仿真结果表明了非线性预测控制器的有效性。     

Sequential Time-of-Flight: Localization of Mobile Robots with Single Receiver

In order to reduce the cost of indoor localization system for autonomous mobile robots( AMRs) and to enhance the localization efficiency,this paper presents a localization approach using sequential time of flight( STOF) measurements from a single receiver to localize AMRs in indoor environments. The STOF is a series of TOF measurements that are acquired by the mobile source in sequence. Combined with the pose estimation obtained from the Dead Reckoning( DR) method,the STOF measurements from a single receiver can be adapted and applied to the trilateration localization model to determine the indoor position of the AMRs. Based on the error analysis of the STOF localization,a double-layer Kalman filter( DLKF) is proposed to fuse multiple STOF localization results and further improve the localization accuracy. In the computer simulation experiments,an average ±20 mm positioning accuracy is attained with the presence of simulated noise that is similar to the realistic sensor noise in magnitude. The simulation results indicate the effectiveness and the potential value of the proposed localization scheme in the practical indoor localization application.     

PID结构广义预测控制算法的仿真及分析

为了使智能车转弯平滑,提出了一种具有PID结构的广义预测控制算法.利用PID控制与广义预测控制规律的相似性,通过改变一般预测控制中的目标函数,确立了广义预测控制算法的递推关系.并对其进行了仿真,结果表明：舵机通过路径检测传感器采集到当前路径信息做出转弯响应,可以预测出下一时刻的转向控制信息.在干扰信号的作用下,对于不同的路径信息,目标函数中增量u的输出曲线稳定,时间明显缩短,在7s后出现周期性变化,使得舵机的预测输出轨迹接近给定输入轨迹,实现了对PID参数自动整定和优化.     

预测控制在结构振动控制中的应用研究

主要研究预测控制在结构振动控制中的应用,探讨结构振动控制对象模型、预测模型、控制算法,然后通过模拟试验,证实其控制效果明显、易于实现。     

虚拟现实灵巧手姿态力度控制算法与仿真

针对灵巧手虚拟现实的控制,提出了数据手套控制手指关节角度,肌电信号进行抓取力度控制的方法.建立了虚拟现实灵巧手模型,根据神经网络算法实现前臂肌电信号对抓取过程中的拇指尖力预测.实验改变拇指接触状态,预测力模型与实际力度对比,验证模型的有效性.该研究可用于智能假肢控制及上肢康复训练、遥操作机器人等领域.     

具有积分特性系统的预测控制算法

针对具有积分特性工业对象的特点,建立了参数模型与非参数模型相结合的预测模型,在此模型基础上,提出了此类系统的预测控制算法,并对该算法进行计算机仿真控制研究。     

基于约束最小方差基准的模型预测控制性能评价方法

考虑到实际工业过程中存在各种约束,基于模型预测最小方差控制器的设计原理,提出了一种带约束模型预测控制(MPC)性能评价方法。最小方差控制器的最优预测输出采用控制增量进行预测,目标函数采用最优预测输出和控制增量加权的二次型形式,通过求解二次规划(QP)问题获取最优控制律。该方法不仅考虑了控制输入和输出约束,而且考虑了控制增量约束,因此能够更真实地反映模型预测控制系统的性能。在Wood-Berry二元精馏塔上的仿真研究验证了该方法的有效性。     

基于BP网络的典型工业过程自适应预测区域控制

针对一类具有分数传输滞后、参数时变的典型工业过程开环参数与广义预测控制器参数之间的内在联系 ,通过在目标函数中引入开环增益 ,并利用BP网络的非线性映射能力得到了自适应广义预测控制的一种直接算法。在该算法中 ,先用一个辨识器辨识过程开环参数 ,然后由一个已训练好的BP网络根据辨识结果和加权因子的值直接计算出控制器的参数 ,得到控制律。该方法不依赖于过程的精确模型 ,极大地简化了在线计算负担。同时 ,把区域控制的思想引入到预测控制之中 ,给出了两种区域预测控制方案。在一个二元精馏塔模型上与常规广义预测控制方案的对比仿真结果验证了文中所示方法的可行性