预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113759698A(43)申请公布日2021.12.07(21)申请号202110981481.9(22)申请日2021.08.25(71)申请人中通服公众信息产业股份有限公司地址830000新疆维吾尔自治区乌鲁木齐市黄河路191号(72)发明人张鹏张宝石魏晟坤王秀英(74)专利代理机构济南智圆行方专利代理事务所(普通合伙企业)37231代理人杨际伟(51)Int.Cl.G05B11/42(2006.01)权利要求书3页说明书7页附图3页(54)发明名称一种源端网络拥塞传输控制方法(57)摘要本发明提供了一种源端网络拥塞传输控制方法,属于网络数据传输技术领域。其技术方案为:一种源端网络拥塞传输控制方法,创建源端拥塞控制目标函数P,在测量状态下探测网络带宽和RTT变化规律得到控制目标函数及网络最佳工作点,在控制状态下利用目标函数P训练RBF神经网络并对PID控制器参数进行辨识,整定后的PID控制器对源端发送速率进行闭环控制。本发明的有益效果为:提出源端拥塞控制目标函数P,将网络发送速率和RTT结合起来,避免了复杂的理论建模,以及理论模型与实际不符造成投入使用后控制偏差过大的问题问题;采用RBF整定PID控制器,能较好适应网络传输的时变特性,网络状态发生变化后依然能够通过RBF神经网络进行学习重新整定PID控制器。CN113759698ACN113759698A权利要求书1/3页1.一种源端网络拥塞传输控制方法,其特征在于,包括如下步骤:S1,实时测量源端发送速率以及RTT值;S2,根据所述发送速率和RTT值的联动变化规律,创建源端拥塞控制目标函数P:其中D为源端发送速率,R为源端测量的RTT值;S3,根据当前源端网络带宽,初始化所有参数;S4,进入测量阶段,根据(3)式,逐步增大源端发送速率D,测定目标函数P的极值和最优工作点C,其中最优工作点C即为目标函数P达到极值时所对应的网络传输工作点;S5,在一定时间窗口内目标函数P维持稳定说明源端网络状态相对稳定,切换到控制阶段;S6,进入控制阶段后,通过RBF神经网络对PID参数进行整定,采用PID控制器对源端发送速率进行闭环控制,确保源端网络工作点处于最优工作区,其中最优工作区为以最优工作点C为中心的区域;S7,在一定时间窗口内,采用当前整定好的PID控制器无法使工作点回归最佳区域,则认定网络拥塞情况发生变化,当前的PID参数失效,则重新进入测量阶段;S8,重复步骤S4‑S7,根据网络状态的变化在测量阶段和控制阶段之间切换,调整源端网络发送速率,使得源端网络避免拥塞。2.根据权利要求1所述的一种源端网络拥塞传输控制方法,其特征在于,所述R具体为:所述D具体为:其中,x为网络在传数据,C点为网络最优工作点,即拥塞和未拥塞的分界位置,C点横坐标值为xc,此处RTT值最小且网络在传数据x最大,r0为最优工作点C处的RTT值,此时对应的源端发送速率D值最大,目标函数P取得最大值Pmax,f(x,t)为拥塞发生后的RTT函数,随x增大递增,g(x,t)为拥塞发生前的网络传输速率的函数,g(x,t),f(x,t)是非线性、时变函数。3.根据权利要求2所述的一种源端网络拥塞传输控制方法,其特征在于,所述PID控制器具体为:采用增量式PID控制算法,设测量得到的目标函数值P为r(k),当前系统输出为y(k),则控制误差为:e(k)=r(k)‑y(k)(4);所述PID控制器的三个输入分别为:xc1(k)=e(k)‑e(k‑1)(5);xc2(k)=e(k)(6);xc3(k)=e(k)‑2e(k‑1)+e(k‑2)(7);2CN113759698A权利要求书2/3页所述PID控制器的输出为:u(k)=u(k‑1)+kpxc1+kixc2+kdxc3(8);其中,kp,ki,kd,为所述PID控制器的PID参数。4.根据权利要求3所述的一种源端网络拥塞传输控制方法,其特征在于,所述RBF神经网络对PID参数进行整定具体为:RBF神经网络对PID控制的目标函数为:通过梯度下降法得到PID参数更新方法:其中,ηp,ηi和ηd为学习速率,可根据系统初始化值选择设定;为Jacobinan信息,能够通过RBF神经网络辨识得到。5.根据权利要求4所述的一种源端网络拥塞传输控制方法,其特征在于,所述RBF神经网络辨识具体过程为:TT在RBF神经网络中,设输入为X=[x1,x2...xn],径向基向量为H=[h1,h2...hm],则高斯基函数hj为:其中bj为节点j的基宽参数,cj为节点j的中心向量;RBF网络输出可表示为:ym(k)=h1w1+…+hjwj+…+hmwm(14);设测量得到目标函数P为辨识系统理论输出y(k),则RB