一、基于ATM流量控制的模糊逻辑控制(论文文献综述)
贾玉茹[1](2021)在《氢燃料电池发动机进气系统建模与控制策略研究》文中提出质子交换膜燃料电池(PEMFC)能将氧气与氢气分子间的化学能,经过化学反应转化为电能,具有绿色、高效的优点,正成为新能源汽车的主要发展方向之一。PEMFC由多个子系统组成,意味着其会受到更多参数和变量的影响,为了使各子系统协同工作,有必要对各个系统进行深入研究。空气和氢气供应的增加可以改善燃料电池的输出特性,但是过多的气体供应将破坏阳极和阴极的压力平衡,过大的压力差甚至会导致膜破裂,严重影响正常运行的燃料电池,且在PEMFC实际运行过程中,考虑负载变化的情况下,不仅需要保证堆内压力的稳定,更要满足在变化过程中进堆压力与流量的快速响应。因此,开展燃料电池进气系统控制策略的研究具有重要的意义。首先,在MATLAB/Simulink中基于电堆的设计参数建立燃料电池电堆输出特性的仿真模型,通过分析各气体组分分压力、温度、电流等对电压活化损失、欧姆损失、浓差损失的影响,得到电堆输出电压与功率的特性曲线。结果表明,提高气体分压力、升高温度会使得电堆输出电压和功率升高,但过大的压力会使得系统寄生功率增大,过高的温度也会使得电堆性能下降,因此需要在合理的范围内通过提高气体压力与温度来提升系统性能。其次,基于燃料电池进气系统的基本结构,在Simulink仿真环境中搭建阴极与阳极侧进气系统的仿真模型。其中,阴极侧气体供给模型包括:基于静态MAP图与转动特性的空压机模型,阴极进气管道模型、阴极流场模型以及节气门模型;阳极侧气体供给系统模型包括:比例调节阀模型、阳极进气管道模型、阳极流场模型以及氢气循环泵模型等,对进气系统进行动力学特性分析的结果表明,空压机转速与背压阀开度对进气压力与流量的影响都比较强烈,体现出进气压力与进气流量之间存在着耦合作用。最后,在对阴极进气系统进行双闭环PID控制,前馈补偿解耦PID控制的基础上,提出模糊神经网络解耦控制算法。阳极进气系统不同于阴极系统的控制需求,控制策略能实现进气压力快速地跟随上阴极侧进气压力的变化就可达到较好的系统性能,在对其进行PID控制的基础上,通过模糊自整定PID算法对系统的控制性能进一步改善。结果表明:当空气供给系统在双闭环PID的控制下,系统的响应速度虽然较快,但压力与流量之间的耦合关系无法解除,二者之间仍相互影响着;前馈PID解耦通过不变性原理能达到完全解耦的效果,使得压力与流量两回路之间互不干扰,但其依赖于被控对象精确的数学模型;模糊神经网络(FNN)解耦虽不能完全解除压力与流量二者之间的耦合关系,但其可以通过在线学习不断地调整网络参数及权值大小,使系统获得良好的性能。
杨朵[2](2021)在《燃料电池空气供给系统控制与故障诊断策略研究》文中研究表明氢能作为21世纪能源变革的重点之一,具有清洁性、热值高、安全可控的优点。质子交换膜燃料电池是氢能应用的重要形式,作为新能源汽车的动力源之一,得到了政府的大力扶持和推广。在车载环境中,复杂的道路环境和频繁的加减速对燃料电池系统的动力性和安全性提出了高要求。燃料电池系统的动态性能主要由空气供给系统决定,空气进气参数控制不当会导致输出性能降低,损害电堆寿命。因此,研究燃料电池空气供给系统的管控问题,对保障燃料电池稳定运行、提升动态性能具有重要意义。本论文对燃料电池系统的外部动态特性进行建模,并提出了基于简化模型的空气供给系统控制方法和故障诊断策略,主要工作及创新点如下:1)针对多参数、多变量的燃料电池系统动态特性建模问题,分析了不同参数、环境条件对燃料电池输出性能的影响,构建了燃料电池电堆电化学模型和空气供给子系统模型,有效反映了动态工况下系统中空气在各个位置的压力、流量和组分变化以及电堆电输出性能变化;进而,针对燃料电池系统模型非线性、结构复杂、难以应用的问题,借助参数拟合和非线性系统控制等方法,建立面向控制的燃料电池系统模型。2)针对燃料电池空气供给存在的时滞性和供氧不足问题,采用过氧比为控制指标,提出了基于模糊预测控制的空气流量控制策略。首先,提出了基于T-S模糊理论的系统模型简化方法,将复杂的非线性模型通过动态小信号方法线性化,以获取过氧比与控制变量的线性模型。其次,提出了基于T-S线性模型的广义预测控制器对过氧比进行实时控制。此外,为了提升系统的输出性能和效率,提出了基于净输出功率最优原则的过氧比控制指标。最后,在全工作范围的阶跃电流工况下验证了该方法能够有效降低空气供给的超调量和提升系统的动态响应速度。3)针对燃料电池空气压力和流量控制相互耦合的问题,首先,将非线性系统模型通过输入输出反馈线性化进行解耦,得到过氧比和阴极压力与控制变量之间的直接对应关系;此外,针对电堆阴极压力的观测问题,提出了一种扩张状态观测器对阴极压力进行实时估计。进而,基于反馈线性化后的模型,提出了一种滑模预测控制进行压力和流量的联合控制。利用系统的相对阶数设计滑模面和对应的预测模型。通过仿真实验证明所提的滑模预测控制算法能够实现稳定的压力和流量协调控制,具有精度高、响应快、鲁棒性强的优点。4)针对燃料电池空气系统的流量故障诊断问题,将故障信号作为系统附加状态,构建系统的增广模型。首先,利用不同工作点的动态小信号模型进行融合形成系统全工作范围的线性变参数模型,并基于此模型设计对应的增广状态观测器。进一步,在观测器设计中考虑系统干扰和噪声的影响,利用李雅普诺夫稳定性定理设计观测器增益以最小化这些系统不确定性对故障诊断造成的影响。此外,基于增广状态观测器估计到的流量故障值设计过氧比估计器,提出了相应的过氧比容错控制器。最后,通过动态工况验证了不同故障类型下故障诊断方法的有效性,从而保障了系统的安全性,维持稳定、高效的动态输出性能。5)针对燃料电池动力系统的安全高效管控问题,设计了面向车用燃料电池系统的管控策略,为燃料电池系统的工程化应用提供了解决思路。管控策略能够有效实现系统的启停控制、供气控制、尾排、水热管理和故障诊断等功能。控制策略集成到硬件系统中,通过在环仿真平台验证了控制策略的有效性和可靠性。
薛卫东[3](2010)在《基于网络处理器IXP2350的网络流量控制研究与实现》文中认为Internet的飞速发展对网络性能提出了更高的要求,传统的IP网络只提供“尽力而为”的服务,明显地不能满足语音、视频等实时业务的网络传输质量要求。流量控制是提高IP网上实时业务传输质量的重要手段。由于不同类型的业务对服务质量有不同的要求,区分服务可以根据业务需要提供不同的服务质量。网络处理器IXP2350具有多种接口,具有优异性能和高度灵活性的“可编程硬件系统”,非常适合用于实现多网网关及流量控制。因此,研究基于区分服务的流量控制技术及其网络处理器的实现有着重要的应用价值。本文首先介绍了综合服务与区分服务体系结构、队列管理与调度等网络流量控制相关技术的基本原理,详细分析了网络处理器IXP2350的硬件结构及其软件开发环境。其次,讨论了基于IXP2350的多网网关硬件系统、主要模块的功能及其实现架构。重点实现多网网关控制模块的性能验证,完成无线传感器网络流量控制的方案设计和ATM网络流量控制模块的算法改进。最后,在深入研究区分服务流量控制原理的基础上,设计了基于IXP2350的区分服务(DiffServ)流量控制系统的硬件结构及模块功能,并完成流量控制系统的一部分模块设计和实现。该流量控制模块能够根据数据包的优先级提供不同级别的服务。同时在仿真工具workbench上对IXP2350 DiffServ流量控制系统模块进行了功能验证。实验表明该模块能够使IP网的性能得到改善和提高。
李鑫[4](2009)在《基于强化学习理论的网络拥塞控制算法研究》文中提出随着Internet的飞速发展,用户数量迅速增加,新的网络应用不断涌现,使得网络流量急剧增加,由此引发的网络拥塞已经成为制约网络发展和应用的瓶颈问题。信息拥塞是影响网络服务质量(QoS)的主要原因。因此,有效地解决拥塞问题对于提高网络性能具有重要意义。网络系统本身存在的时变性和不确定性等因素导致网络是一个复杂的大系统,数学模型的复杂性和精确性往往难以满足网络的实时需求。因此需要设计基于学习思想的拥塞控制算法,以便获得更好的拥塞控制效果。强化学习方法不依赖于被控对象的数学模型和先验知识,而是通过试错和与环境的不断交互获得知识,从而改进行为策略,具有自学习的能力。对于网络这种复杂的时变系统,强化学习是一种理想的选择。鉴于此,本文基于强化学习理论提出了几种拥塞控制算法以解决网络的拥塞控制问题。主要工作概括如下:针对单瓶颈ATM网络的拥塞控制问题,基于强化学习理论中的自适应启发评价方法设计了分层的强化学习ABR流量控制器。控制器的动作选择单元利用分层机制,分别基于缓冲区中队列长度和信元丢失率进行控制。ABR发送速率通过对两个子单元的输出利用加权求和得到。然后,基于模拟退火算法设计了控制器的参数学习过程,加快了学习速度,避免了可能存在的局部极值问题。针对含有两个瓶颈节点的ATM网络的拥塞控制问题,基于强化学习理论中的Q-学习思想设计了Q-学习ABR流量控制器。控制器在网络模型参数未知的情况下,通过Q-函数的设计,将寻找最优控制策略的问题转化为寻找一个最优H矩阵的问题。基于递归最小二乘算法实现了H矩阵的学习,进而得到了使网络性能指标最优的控制策略。针对TCP网络的拥塞控制问题,基于强化学习理论中的Q-学习方法设计了主动队列管理算法。控制器学习TCP网络中状态-动作对所对应的Q-函数值,并利用反映了Q-函数值与当前网络状态联系紧密程度的可信度值来调节学习率。然后,利用状态空间变换的思想对状态空间进行了简化。基于Metropolis规则改进了动作选择策略,实现了对未知空间探索和对已有知识完善两种策略的平衡。其次,基于合作奖赏值将所设计的控制器应用于含有多瓶颈节点的网络环境。针对TCP网络中连续的状态空间,基于模糊Q-学习方法设计了主动队列管理算法。学习过程中学习单元所选择的动作以及对应的Q-函数值都是通过模糊推理得到的。然后,利用遗传算法对每条模糊规则的后件部分进行优化,得到适合于每条模糊规则的最优动作。针对网络中存在非合作用户的问题,基于Nash Q-学习方法设计了流量控制器。针对不同业务以及同类业务的不同QoS要求,基于价格机制,制定了不同的价格标准,并应用于奖赏值的计算中。学习单元通过选择符合Nash平衡条件的Q-函数值进行学习。各用户选择的数据发送速率能够在使网络整体性能达到最优的情况下,使各个用户也获得尽可能高的利益。针对网络的路由选择问题,首先设计了双度量Q-Routing路由算法。将数据包传输时间和路径代价分别作为Q-函数值进行学习,并通过调节考虑两个度量的权重影响路由选择的结果。其次,设计了基于记忆的Q-学习路由算法。路径所对应的Q-函数值通过学习反映网络的状态信息。学习单元通过记忆曾经学习到的最优Q-函数值和曾经发生拥塞路径的恢复速率预测网络流量趋势,进而决定路由策略的选择。
田静[5](2008)在《基于粒子滤波的ATM网络拥塞预测控制研究》文中进行了进一步梳理异步传输模式(Asynchronous Transfer Mode, ATM)网络中,由于其业务的突发性和时变性,源端不能快速响应网络状态的变化,导致信元大量丢失,信息的拥塞成为影响网络服务质量(QoS)的主要原因,其拥塞控制的研究具有重要的理论意义和实用价值。为此,本文在对现有拥塞控制算法进行广泛研究的基础上,从预测控制的角度出发,研究网络的拥塞控制。本文基于ATM网络,针对业务源的统计特性,结合粒子滤波算法良好的预测性能,研究了粒子滤波在网络拥塞预测控制中的应用。本文主要工作如下:(1)从拥塞产生的原因、拥塞特性、判断方法、设计目标等几方面对ATM网络进行分析,提出本文所采用的ATM拥塞控制的预测决策机制。(2)将ATM网络的队列系统模型使用数学语言进行描述,并以信元丢失率作为衡量网络拥塞控制指标,采用粒子滤波算法对网络进行预测,结合网络拥塞的控制流程,降低源端信元发送速率。(3)为平衡预测粒子的有效性和多样性两个性能指标,将遗传机制应用到其重采样模块中,进一步改善预测控制的性能。本文的核心思想在于将粒子滤波算法和改进的遗传重采样粒子滤波算法应用于ATM网络拥塞预测控制,以取得较低的信元丢失率。仿真实验表明,在与模糊神经网络方法比较的过程中,基于粒子滤波方法的拥塞预测控制机制能够对ATM源端信元速率的突变做出更加快速的反应,具有较低的信元丢失率;在使用遗传重采样粒子滤波算法进行预测时,改进的算法具有更低的信元丢失率,拥塞控制效果更佳,保证了网络服务的质量。
许莉,巩娟霞[6](2007)在《基于ATM的QoS技术和抗毁性技术》文中进行了进一步梳理本文首先对ATM网络特有的QoS技术及其实现的方法进行了探讨。其次,针对ATM的骨干网络实际使用的整体结构特点,介绍了对网络拓扑抗毁性进行评估的算法及MPLS抗毁机制及光互联网中的P-SPP保护方式。最后,展望了高效网络抗毁性组织结构的建设方法和未来发展方向。
刘志新[7](2006)在《高速通信网络拥塞控制算法研究》文中研究指明随着互联网技术的飞速发展和用户对服务质量需求的提高,“拥塞”成为通信网络发展的“瓶颈问题”。高速通信网络拥塞控制是通信界与控制界的前沿热点领域。本文侧重研究ATM网络和高速TCP网络拥塞控制算法的设计和稳定性分析。本文首先针对ATM网络ABR业务流量管理问题,基于随动控制结构,考虑时延对系统的影响,提出了一种基于离散模型的改进的ABR流量控制算法,给出了保证时滞系统闭环稳定的参数选择方法,实现了拥塞避免和可用带宽的动态公平分配,改进了现有算法的结果。为提高系统响应速度,简化算法,本文提出了一种快速队列跟踪控制器。所设计的控制器包含两部分:跟踪控制器和前馈控制器,分别实现了对给定期望队列长度的静态无差跟踪和对可用带宽干扰的有效抑制。通过严格的理论推导,得到了保证系统控制器和闭环系统稳定的参数范围,同时获得了在高突发性VBR业务背景下不同链接的Max-Min动态公平性。该算法实现简单,所需参数少,可适应较大范围变化的回路时延。文章的第三部分充分考虑广域网大传输时延和高带宽时延积特征,以缓冲区内队列长度为QoS衡量尺度,将ABR可用带宽视为系统的未知有界扰动信息,设计双Smith预估器,从时域和频域两个角度出发分别分析了系统的稳定性。同时为抑制模型失配信息和控制器输入饱和问题,分别设计了反馈滤波器和辅助控制器。该方案可在较大回路时延和时延抖动环境下稳定运行,由可用带宽波动引起的响应可被完全抑制,且不需要测量可用带宽信息。文章接下来针对基于模型拥塞算法中对网络模型理想化、线性化等不足,基于ER反馈控制机制,设计了Fuzzy-PID型ER控制器。不需对通信网络系统精确建模,根据网络动态特性,充分考虑饱和非线性因素的影响,通过合理选择控制参数,制定了具有较强适应性的控制规则,分别优化PID参数,该方案结合传统PID和Fuzzy推理的优点,结构简单,易于实现。针对多种网络环境进行了仿真验证,分析了可用带宽、回路时延、比例因子等因素对系统性能的影响。仿真结果表明该设计方案具有较好的适应性和鲁棒性。本文的最后一部分研究HSTCP主动队列管理算法的设计。首先分析了HSTCP网络环境的特点和动态窗口调整策略与传统TCP的区别。利用局部线性化的方法将HSTCP非线性模型简化为二阶线性时滞系统。在此基础上,设计了通用PI控制器,称为SPI,解析证明了系统的稳定性,给出了自适应选择控制参数的方法。该方法同时适用标准TCP和HSTCP。运用NS2进行扩展的仿真研究,并与去尾算法的性能进行了比较。仿真结果证实了SPI控制器在两种异构流下的有效性,且具有较高的吞吐量性能,并在异构环境下具良好的公平性和友好性。
喻增园[8](2005)在《光波长路由器中基于FLC的流量控制的研究与实现》文中认为自动交换光网络(ASON)是指在选路和信令控制之下完成自动交换功能的新一代光网络,它将网络分为管理、控制、数据三个平面,引入独立统一的控制平面对整个网络进行控制,是一种标准化的智能光传送网,被广泛认为是下一代光网络的主流技术。通用多协议标记交换(GMPLS)是目前公认的光网络中最符合ASON 体系结构中控制平面需求一种协议,GMPLS 协议使网络中任意节点共享整个网络的资源状态信息,在传统光网络中引入智能,实现了网络体系结构向着IP with GMPLS over DWDM的发展。模糊控制可以将一些难以使用精确数学式表达的控制问题,采用模糊定义以及模糊控制规则的方法,对参数进行控制,从而达到比静态精确控制更为灵活的动态控制。本文在对GMPLS 协议和模糊控制理论的充分研究的基础上,通过对CSPF 等目前网络中其他流量控制算法性能优劣的分析,将模糊控制理论重要应用——模糊逻辑控制(FLC)应用于GMPLS 协议的流量控制,克服了其他静态流量控制对网络性能所带来的负面影响,实现了动态的流量控制,达到了ASON 中动态流量控制的要求。Matlab软件的仿真结果表明,基于FLC 算法的流量控制能够提高网络的资源利用率,同时降低了数据阻塞率,大大提升了网络的性能。本文将FLC 算法应用于光波长路由器的流量控制,完成了实现该算法所要求的底层数据采集等相关电路的设计及实现,并对光波长路由器的性能进行模拟实验。实验结果表明:使用FLC 算法提高了光波长的资源利用率,同时降低了数据阻塞率,提升了光波长路由器的性能。此外,在ASON 网络中引入FLC,使得网络更方便地实现了Diffserv 服务、QoS 等ASON 的高级服务功能。
文旭东[9](2005)在《基于ABR业务的ATM网络拥塞控制算法研究及其在交换机中的应用》文中指出由于传统的电路交换资源利用率低,而传统的分组交换保证不了服务质量且交换速度慢,因此一种新的网络技术——ATM网络技术应运而生。ATM为了保证其QoS,将其业务划分为恒定比特率(CBR)、实时可变比特率(rt-VBR)、非实时可变比特率(nrt-VBR)、可用比特率(ABR)、不指明比特率(UBR)五中业务,并分别采用了控制机制。其中ABR业务的流量控制机制是唯一的闭环反馈控制机制,这使ABR业务的流量控制在保证ATM的Qos中具有非常重要的地位。 本文在分析ABR流量控制算法的基础上进行了ABR业务二进制流量控制和拥塞检测的关键技术研究,在进行理论分析的基础上,试图尽力体现工程应用的背景和理念,并以此为本文的基调,即强调算法的可实现性、与现有标准兼容性等,总结起来,本文的主要工作包括如下内容: 在对现有二进制算法进行建模分析的基础上,针对二进制EFCI算法收敛慢和信元速率、缓存队列长度振幅大的缺点,给出了携带队列长度信息的流量控制算法(E-EFCI)。仿真证明,该算法比基本EFCI算法具有更好的控制行为,减小了ACR和排队长度的振荡幅度,提高了链路、缓存利用率,加快拥塞解除,并具有较高的性能价格比。这也表明,根据网络交换节点的具体队列长度实时地选择参数可以使算法的性能得到优化。 第四章在讨论依据速率来检测拥塞的基础上,为进一步优化二进制算法的性能,给出了基于速率的携带虚队列长度信息的流量控制算法。仿真证明,该算法在携带队列长度信息的流量控制算法的基础上更进一步解决了EFCI算法的缺点。 在第五章中介绍了交换机设计的一些技术指标和设计思想,并简单讨论了交换机的软、硬件构架。最后是本文的总结,主要阐述了本文研究中的不足和需要进一步研究改进的地方。
刘庆峰[10](2004)在《基于源端的ATM网络ABR业务流量控制》文中提出高速计算机通信网络的关键技术之一是异步传输模式(ATM:Asynchronous Transfer Mode)技术。在ATM网络中,信息的拥塞及丢失是影响网络业务服务质量的主要原因。自适应比特率(ABR:Available Bit Rate)业务是唯一一种可采用反馈机制进行流量控制的业务,因此,近年来ABR业务流量的控制和管理问题成为一个研究热点。通信网络是一个庞大的复杂系统,ATM网络拥塞控制的研究对网络的控制和通信均具有重要的理论意义和实用价值。本文正是以此为研究对象,将控制理论概念引入到网络通信中,很好地解决可控流的拥塞控制问题。本文首先介绍了ATM网络的基本原理,ABR业务的反馈机制,以及ABR流量控制机制,分析了现有的ATM网络拥塞控制原理。其次,对现有基于速率的流量控制算法进行了分析,这些算法中大多都能提高活动连接和连接装置的公平性,但是,也给交换机带来更大的复杂性。基于这点,本文提出了一种流量控制算法,并将部分速率计算工作从交换机转移到源端系统中进行。结果表明,该算法能够减少交换机的速率计算工作以及交换复杂性。而且,还降低了交换机在每一时间间隔内为每条链路计算负载因子的难度,从而使网络中的队列长度保持在稳定状态下,进而达到了网络的全局最优性。最后,本文对提出的算法进行了仿真实验。由于本算法引入三个参数,这三个参数的值对本算法进行拥塞控制的效果起到决定性作用,因此,在仿真中,重点对三个参数的取值范围进行仿真,给出了该参数的最优解,同时,在相同的仿真模型中,对ERICA+算法也进行仿真,对仿真结果进行比较,结果表明该算法达到了很好的效果。该方法和算法的提出,对解决ATM网络的拥塞问题提供了理论指导,具有一定理论意义和实践意义。
二、基于ATM流量控制的模糊逻辑控制(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于ATM流量控制的模糊逻辑控制(论文提纲范文)
(1)氢燃料电池发动机进气系统建模与控制策略研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 PEMFC系统基本结构 |
1.3 燃料电池汽车研究现状 |
1.4 燃料电池系统供气系统研究现状 |
1.4.1 燃料电池系统供气系统建模研究现状 |
1.4.2 燃料电池系统供气系统控制策略研究现状 |
1.5 本文主要研究内容 |
第2章 燃料电池供气系统特性分析 |
2.1 燃料电池堆建模 |
2.1.1 电堆电压输出模型 |
2.1.2 燃料电池堆特性分析 |
2.2 空气供给系统建模 |
2.2.1 空气压缩机模型 |
2.2.2 背压节气门模型 |
2.2.3 阴极气体动态模型 |
2.2.4 空气供给系统特性分析 |
2.2.5 模型验证 |
2.3 氢气供给系统建模 |
2.3.1 氢气循环泵模型 |
2.3.2 调压阀模型 |
2.3.3 阳极气体动态模型 |
2.4 本章小结 |
第3章 燃料电池供气系统控制算法研究 |
3.1 PID 控制及双闭环PID 控制算法 |
3.2 模糊自整定PID控制算法 |
3.3 解耦控制算法 |
3.3.1 传统解耦控制算法 |
3.3.2 模糊神经网络解耦控制算法 |
3.4 本章小结 |
第4章 燃料电池供气系统控制算法仿真 |
4.1 空气供给系统仿真 |
4.1.1 空气供给系统双闭环PID控制仿真 |
4.1.2 空气供给系统前馈补偿解耦PID仿真 |
4.1.3 空气供给系统FNN解耦控制仿真 |
4.1.4 空气供给系统控制仿真比较 |
4.2 氢气供给系统控制仿真 |
4.2.1 氢气供给系统PID控制仿真 |
4.2.2 氢气供给系统模糊PID控制仿真 |
4.3 本章小结 |
第5章 总结与展望 |
5.1 全文总结 |
5.2 研究展望 |
参考文献 |
附录 |
攻读硕士学位期间发表的学术论文及参与的项目 |
致谢 |
(2)燃料电池空气供给系统控制与故障诊断策略研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 质子交换膜燃料电池系统概述 |
1.2.1 发电原理 |
1.2.2 燃料供给系统构成 |
1.3 国内外现状研究 |
1.3.1 燃料电池系统建模现状 |
1.3.2 空气供给系统控制方法现状 |
1.3.3 燃料电池系统故障诊断策略 |
1.4 本论文主要研究工作与章节安排 |
1.4.1 主要研究工作 |
1.4.2 章节安排 |
第2章 质子交换膜燃料电池空气供给系统建模 |
2.1 引言 |
2.2 燃料电池电堆建模 |
2.2.1 电化学模型 |
2.2.2 物质模型 |
2.2.3 热平衡模型 |
2.3 空气供给系统关键部件及模型介绍 |
2.3.1 空气压缩机 |
2.3.2 供给管道 |
2.3.3 中冷器 |
2.3.4 加湿器 |
2.3.5 回流管道和背压阀 |
2.3.6 基于Matlab/Simulink平台的空气供给系统模型实现 |
2.3.7 空气供给系统的状态空间模型 |
2.4 燃料电池非线性模型简化与线性化方法 |
2.4.1 数据拟合 |
2.4.2 动态小信号模型 |
2.4.3 反馈线性化 |
2.5 本章小结 |
第3章 燃料电池空气系统流量控制方法 |
3.1 引言 |
3.2 基于T-S模糊理论的过氧比控制模型 |
3.2.1 T-S模糊理论基础 |
3.2.2 过氧比的局部小信号模型 |
3.2.3 基于T-S理论的燃料电池控制模型 |
3.3 基于净功率最优的控制指标设计 |
3.4 控制方法设计 |
3.4.1 广义预测控制器设计 |
3.4.2 FGPC算法的两种应用结构 |
3.4.3 算法的进一步改进 |
3.5 算法验证和结果分析 |
3.5.1 模型精度分析 |
3.5.2 不同控制算法下的过氧比控制结果 |
3.5.3 系统性能分析 |
3.6 本章小结 |
第4章 燃料电池空气系统压力流量协同控制策略 |
4.1 引言 |
4.2 空气系统压力和流量行为分析及描述 |
4.3 控制指标的数学表达 |
4.4 状态观测器设计 |
4.4.1 基于扩张状态观测器的压力估计 |
4.4.2 仿真结果 |
4.5 压力和流量联合控制方法 |
4.5.1 燃料电池空气模型的反馈线性化 |
4.5.2 基于线性控制器的压力流量协同控制器 |
4.5.3 基于滑模预测控制的压力流量协同控制器 |
4.6 仿真验证与结果分析 |
4.6.1 所提滑模预测控制方法的仿真结果 |
4.6.2 与线性控制器的对比分析 |
4.6.3 输出性能分析 |
4.7 本章小结 |
第5章 基于状态观测器的燃料电池空气系统故障诊断 |
5.1 引言 |
5.2 考虑故障信息的燃料电池空气系统模型 |
5.3 故障观测器设计 |
5.3.1 增广鲁棒状态观测器 |
5.3.2 稳定性证明 |
5.4 仿真结果分析与对比 |
5.4.1 LPV观测器中的关键参数设置 |
5.4.2 故障估计的仿真结果 |
5.4.3 故障估计方法的精度评估和比较 |
5.4.4 空气供给系统的容错控制 |
5.4.5 系统性能分析 |
5.5 本章小结 |
第6章 燃料电池管控系统控制策略设计与实现 |
6.1 引言 |
6.2 燃料电池系统结构 |
6.3 管控方案设计 |
6.3.1 系统整体架构 |
6.3.2 控制软件架构 |
6.3.3 底层软件功能描述 |
6.3.4 应用层软件架构与功能描述 |
6.3.5 空气供给系统管控方案 |
6.4 在环仿真平台搭建 |
6.5 仿真实验与结果分析 |
6.6 本章小结 |
第7章 总结与展望 |
7.1 研究总结 |
7.2 工作展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(3)基于网络处理器IXP2350的网络流量控制研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.3 研究内容和组织结构 |
2 网络流控及队列管理与调度原理 |
2.1 网络流量控制概述 |
2.2 综合服务(IntServ)体系结构 |
2.3 区分服务(DiffServ)体系结构 |
2.4 主要队列管理算法 |
2.5 主要队列调度算法 |
2.6 本章小结 |
3 网络处理器IXP2350 硬件结构及软件开发原理 |
3.1 网络处理器概述 |
3.2 IXP2350 硬件体系结构 |
3.2.1 微引擎 |
3.2.2 Intel XScale Core |
3.2.3 SRAM 控制器 |
3.2.4 DRAM 控制器 |
3.3 IXP 2350 软件体系结构 |
3.3.1 IXP 2350 软件可移植性框架 |
3.3.2 IXP 2350 软件开发环境 |
3.4 本章小结 |
4 基于IXP2350 的多网网关及流控模块设计 |
4.1 基于IXP2350 的多网网关组成 |
4.2 IXP2350 多网网关硬件系统设计 |
4.3 IXP2350 多网网关接口控制模块设计与实现 |
4.3.1 IXP2350 多网网关接口控制模块设计原理 |
4.3.2 IXP2350 多网网关接口控制模块总线复用的实现 |
4.4 无线传感器网络流量控制设计 |
4.4.1 无线传感器网络MAC 层协议 |
4.4.2 无线传感器网络节点流量控制方案设计 |
4.5 ATM 网络流量控制模块设计 |
4.5.1 ABR 业务的流量控制模型设计 |
4.5.2 ATM 交换机流量控制的设计 |
4.5.3 ATM 网络流量控制模块的算法设计 |
4.6 本章小结 |
5 基于IXP2350 DiffServ 流量控制系统模块设计与实现 |
5.1 区分服务流量控制原理 |
5.2 IXP2350 DiffServ 流量控制系统硬件架构设计 |
5.3 IXP2350DiffServ 流量控制系统模块设计 |
5.4 IXP2350DiffServ 流量控制系统模块实现 |
5.5 仿真工具与编译环境 |
5.6 仿真参数设置 |
5.7 仿真结果分析 |
5.8 本章小结 |
6 结论 |
致谢 |
参考文献 |
附录 |
(4)基于强化学习理论的网络拥塞控制算法研究(论文提纲范文)
摘要 |
英文摘要 |
目录 |
第1章 绪论 |
1.1 网络拥塞控制研究的意义 |
1.2 网络拥塞控制的发展及研究概况 |
1.2.1 ATM网络的ABR流量控制 |
1.2.2 TCP网络的队列管理算法 |
1.2.3 QoS路由管理算法 |
1.3 强化学习研究概述 |
1.4 本文主要工作 |
第2章 基于模拟退火的分层强化学习ABR流量控制器的设计 |
2.1 引言 |
2.2 网络模型描述 |
2.3 基于分层强化学习的ABR流量控制器的设计 |
2.3.1 ABR流量控制器的结构 |
2.3.2 AEN的设计与参数学习 |
2.3.3 ASN的设计 |
2.3.4 SAM的设计 |
2.4 基于模拟退火的ASN参数学习 |
2.5 系统仿真 |
2.6 小结 |
第3章 基于递归最小二乘的Q-学习多瓶颈ABR流量控制器的设计 |
3.1 引言 |
3.2 网络模型描述 |
3.3 基于最小二乘的Q-学习流量控制器的设计 |
3.3.1 控制器的设计 |
3.3.2 基于递归最小二乘的控制器学习算法 |
3.4 系统仿真 |
3.5 小结 |
第4章 基于Metropolis规则的Q-学习AQM控制器的设计 |
4.1 引言 |
4.2 基于Q-学习的AQM控制器的结构 |
4.3 基于Q-学习的AQM控制器的设计 |
4.4 基于Metropolis规则的动作选择策略 |
4.5 状态空间变换 |
4.6 多瓶颈链路Q-学习AQM控制器的设计 |
4.7 系统仿真 |
4.7.1 单瓶颈链路网络仿真 |
4.7.2 多瓶颈链路网络仿真 |
4.8 小结 |
第5章 基于遗传算法的模糊Q-学习AQM控制器的设计 |
5.1 引言 |
5.2 模糊Q-学习方法研究 |
5.3 AQM控制器的结构 |
5.4 AQM控制器的设计 |
5.5 基于遗传算法的参数寻优 |
5.5.1 遗传算法的基本原理 |
5.5.2 基于遗传算法的参数学习机制 |
5.6 系统仿真 |
5.7 小结 |
第6章 基于价格机制的Nash Q-学习流量控制器的设计 |
6.1 引言 |
6.2 TCP的价格机制 |
6.3 基于价格机制的奖赏函数设计 |
6.4 Nash Q-学习流量控制器的设计 |
6.5 系统仿真 |
6.6 小结 |
第7章 基于Q-学习的路由算法 |
7.1 引言 |
7.2 基于双度量的Q-Routing路由算法 |
7.2.1 路由算法设计 |
7.2.2 系统仿真 |
7.3 基于记忆的Q-学习路由算法 |
7.3.1 路由算法设计 |
7.3.2 系统仿真 |
7.4 小结 |
第8章 结论与展望 |
参考文献 |
致谢 |
攻读博士学位期间所做的工作 |
作者简历 |
(5)基于粒子滤波的ATM网络拥塞预测控制研究(论文提纲范文)
摘要 |
Abstract |
目录 |
第一章 绪论 |
1.1 课题背景 |
1.2 ATM网络的发展及研究现状 |
1.2.1 ATM网络的发展 |
1.2.2 ATM网络拥塞控制的研究现状 |
1.3 本文主要工作 |
第二章 ATM拥塞预测控制机制分析 |
2.1 ATM简介 |
2.2 ATM网络拥塞分析 |
2.2.1 拥塞产生的原因分析 |
2.2.2 拥塞特性分析 |
2.2.3 拥塞判断方法 |
2.3 ATM网络拥塞控制方法 |
2.3.2 流量控制算法的设计目标 |
2.3.3 基于速率的流量控制方法 |
2.4 ATM拥塞预测控制机制 |
2.5 本章小结 |
第三章 基于粒子滤波的拥塞预测控制 |
3.1 拥塞控制系统模型 |
3.1.1 队列系统描述 |
3.1.2 信元丢失率 |
3.2 粒子滤波算法 |
3.2.1 粒子滤波理论 |
3.2.2 粒子滤波算法分析 |
3.3 网络拥塞预测控制流程 |
3.3.1 粒子滤波预测流程 |
3.3.2 拥塞控制流程 |
3.4 仿真实验 |
3.5 本章小结 |
第四章 基于遗传粒子滤波的拥塞预测控制 |
4.1 粒子滤波重采样算法 |
4.1.1 多项式重采样算法及其仿真结果 |
4.1.2 残差重采样算法及其仿真结果 |
4.2 遗传重采样粒子滤波拥塞预测控制 |
4.2.1 遗传算法优化流程 |
4.2.2 遗传重采样粒子滤波流程 |
4.2.3 仿真实验 |
4.3 本章小结 |
第五章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
致谢 |
攻读硕士期间所做的工作 |
(7)高速通信网络拥塞控制算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 网络拥塞控制研究的意义 |
1.2 ATM 网络拥塞控制算法 |
1.2.1 二进制反馈方案 |
1.2.2 启发式显式速率反馈方案 |
1.2.3 基于控制理论显式速率反馈方案 |
1.3 高速 TCP 拥塞控制算法 |
1.3.1 AQM 算法 |
1.3.2 HSTCP |
1.3.3 XCP |
1.4 论文的主要研究内容 |
第2章 基于随动跟踪的 ABR 流量控制改进算法 |
2.1 引言 |
2.2 网络信息传输描述 |
2.2.1 反馈机制 |
2.2.2 网络模型描述 |
2.3 拥塞控制器设计 |
2.4 拥塞算法实现 |
2.5 仿真研究 |
2.6 本章小结 |
第3章 FTQ 拥塞控制算法 |
3.1 引言 |
3.2 网络系统模型 |
3.3 控制器设计 |
3.3.1 快速队列跟踪控制器 |
3.3.2 前馈控制器 |
3.4 VC 公平性 |
3.5 仿真研究 |
3.6 本章小结 |
第4章 基于双 Smith 预估器的 ABR 业务拥塞控制 |
4.1 引言 |
4.2 模型描述 |
4.3 控制器设计 |
4.3.1 控制目标 |
4.3.2 传统 Simth 预估器 |
4.3.3 双 Smith 预估器 |
4.3.4 反馈滤波器设计 |
4.3.5 辅助控制器设计 |
4.3.6 ER 更新算法 |
4.4 仿真研究 |
4.5 本章小结 |
第5章 ATM 网络模糊控制算法研究 |
5.1 引言 |
5.2 网络信息传输描述 |
5.3 模糊逻辑与模糊控制器设计 |
5.3.1 模糊逻辑 |
5.3.2 模糊控制器设计 |
5.4 仿真研究 |
5.5 本章小结 |
第6章 HSTCP 主动队列管理算法研究 |
6.1 引言 |
6.2 模型描述 |
6.3 控制器设计 |
6.4 仿真研究 |
6.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间承担的科研任务与主要成果 |
致谢 |
作者简介 |
(8)光波长路由器中基于FLC的流量控制的研究与实现(论文提纲范文)
摘要 |
Abstract |
1 基于GMPLS 协议的自动光交换网络 |
1.1 自动光交换网络的概述 |
1.2 GMPLS 协议 |
1.3 GMPLS 协议的路由机制 |
1.4 GMPLS 协议基于IP over DWDM 的信令机制 |
1.5 结论和创新 |
2 基于模糊控制理论的ASON 网络流量工程 |
2.1 模糊理论概述 |
2.2 模糊控制应用 |
2.3 结论 |
3 基于模糊逻辑控制的ASON 网络流量工程的设计 |
3.1 网络流量控制方式概述 |
3.2 算法的设计和实现 |
3.3 结果分析 |
3.4 结论和创新 |
4 基于FLC 的ASON 网络流量工程在光波长路由器上的实现 |
4.1 光波长路由器的概述 |
4.2 光波长路由器的硬件部分设计 |
4.3 光波长路由器的数据采集与流量控制 |
4.4 模拟试验与数据结果 |
4.5 结论和创新 |
5 总结 |
致谢 |
参考文献 |
附录1 攻读学位期间发表论文目录 |
附录2 matlab 程序代码 |
附录3 数据包参数样本(1~100) |
附录4 电源滤波及风扇电路 |
附录5 CPU 及其他外设的接口电路 |
附录6 8x8MEMS 光开关的接口电路 |
附录7 4x4 光开关接口电路 |
附录8 无光告警电路 |
附录9 功率检测电路 |
附录10 元器件列表 |
(9)基于ABR业务的ATM网络拥塞控制算法研究及其在交换机中的应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 ATM技术的背景及其概况 |
1.2 网络拥塞及其解决方法和意义 |
1.3 ATM网络拥塞控制研究现状概述 |
1.4 本文的结构、特色与创新点 |
第2章 ABR业务流量控制基础 |
2.1 引言 |
2.2 ABR流量控制原理 |
2.2.1 ABR流量控制模型 |
2.2.2 ABR参数 |
2.2.3 RM信元 |
2.2.4 信源、交换机、信宿行为准则 |
2.3 ABR流量控制的设计目标 |
2.4 ABR流量控制的典型算法 |
2.4.1 二进制算法 |
2.4.2 显示速率算法 |
2.5 传统算法存在的问题及解决途径 |
2.5.1 传统算法存在的问题 |
2.5.2 目前的一些改进算法 |
2.6 小结 |
第3章 携带队列长度信息的 ABR业务流量控制算法 |
3.1 引言 |
3.2 参数对二进制算法的影响分析 |
3.2.1 基本 EFCI算法 |
3.2.2 模型建立及参数设置分析 |
3.3 E-EFCI流量控制原理 |
3.4 E-EFCI算法仿真分析 |
3.4.1 仿真基本配置 |
3.4.2 允许信元速率 ACR的动态特性 |
3.4.3 信元排队长度的动态特性 |
3.4.4 交换机之间链路带宽利用率特性 |
3.5 小结 |
第4章 基于速率的 ABR拥塞检测的流量控制算法 |
4.1 引言 |
4.2 基于速率的ABR拥塞检测方法 |
4.3 基于速率检测的 EFCI流量控制算法的性能仿真分析 |
4.3.1 允许信元速率 ACR的动态特性 |
4.3.2 信元排队长度的动态特性 |
4.3.3 交换机之间链路带宽利用率特性 |
4.4 基于速率检测的 E-EFCI流量控制算法的性能仿真分析 |
4.4.1 允许信元速率 ACR的动态特性 |
4.4.2 信元排队长度的动态特性 |
4.4.3 交换机之间链路带宽利用率特性 |
4.5 基于速率检测的EFCI和E-EFCI流量控制算法的性能仿真分析 |
4.5.1 允许信元速率 ACR的动态特性 |
4.5.2 信元排队长度的动态特性 |
4.5.3 交换机之间链路带宽利用率特性 |
4.6 小结 |
第5章 基于速率检测拥塞的 E-EFCI的 ATM交换机设计 |
5.1 前言 |
5.2 交换机概述 |
5.2.1 ATM技术交换原理 |
5.2.2 ATM交换结构分类 |
5.2.3 ATM交换控制机制 |
5.2.4 ATM交换性能评价 |
5.3 交换机设计思想 |
5.4 基于速率检测拥塞的 E-EFCI的 ATM交换机硬件系统设计 |
5.5 基于速率检测拥塞的 E-EFCI的 ATM交换机软件系统设计 |
5.5.1 交换机软件构架 |
5.5.2 操作系统和驱动程序 |
5.5.3 呼叫控制模块 |
5.5.4 SNMP网络功能模块 |
5.6 小结 |
总结 |
参考文献 |
致谢 |
附录A(攻读学位期间所发表的学术论文目录) |
附录B(攻读学位期间所参加的科研项目) |
(10)基于源端的ATM网络ABR业务流量控制(论文提纲范文)
中文摘要 |
英文摘要 |
第1章 绪论 |
1.1 研究背景与动机 |
1.2 ATM网络拥塞控制分析 |
1.2.1 早期工作 |
1.2.2 预防式控制 |
1.2.3 反应式控制 |
1.2.4 拥塞控制目标 |
1.3 课题研究内容 |
1.4 本章小结 |
第2章 ABR流量控制机制 |
2.1 ATM网络的业务模型分析 |
2.2 ABR流量控制的意义 |
2.3 ATM网络中的流量管理 |
2.4 ATM信元 |
2.4.1 信元结构 |
2.4.2 ATM信元类型 |
2.5 ATM交换 |
2.5.1 TP、VP、VC的关系 |
2.5.2 交换要求 |
2.5.3 ATM交换基本原理 |
2.5.4 ATM交换功能及其实质 |
2.5.5三 种缓冲方式 |
2.6 本章小结 |
第3章 ABR拥塞控制算法的研究 |
3.1 引言 |
3.2 RM信元 |
3.3 ABR业务参数 |
3.4 网络单元行为描述 |
3.4.1 两种信元类型的定义 |
3.4.2 源端行为 |
3.4.3 终端行为 |
3.4.4 交换机行为 |
3.5 常规的拥塞解决方案 |
3.5.1 基于窗口的流控方法 |
3.5.2 基于速率的控制 |
3.5.3 基于信用卡的流控 |
3.6 几种典型拥塞控制算法的分析 |
3.6.1 ERICA+方法 |
3.6.2 漏桶算法 |
3.7 基于模糊神经网络和令牌机制的拥塞控制方法 |
3.7.1 系统设计思想 |
3.7.2 控制系统总模型 |
3.7.3 模糊神经网络控制器 |
3.7.4 仿真结果 |
3.8 本章小结 |
第4章 ATM网络中基于速率流量控制机理的源端控制法 |
4.1 引言 |
4.2 源端的ABR流量控制方法 |
4.2.1 队列占用情况的判断 |
4.2.2 队列占用情况的控制 |
4.2.3 交换机完成的工作 |
4.2.4 源端完成的工作 |
4.2.5 参数的选择 |
4.3 仿真模型的建立 |
4.4 仿真结果 |
4.4.1 仿真实验1 |
4.4.2 仿真实验2 |
4.4.3 仿真实验3 |
4.4.4 仿真实验4 |
4.4.5 仿真实验5 |
4.4.6 仿真实验6 |
4.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
作者简介 |
四、基于ATM流量控制的模糊逻辑控制(论文参考文献)
- [1]氢燃料电池发动机进气系统建模与控制策略研究[D]. 贾玉茹. 太原理工大学, 2021(01)
- [2]燃料电池空气供给系统控制与故障诊断策略研究[D]. 杨朵. 中国科学技术大学, 2021(09)
- [3]基于网络处理器IXP2350的网络流量控制研究与实现[D]. 薛卫东. 西安科技大学, 2010(05)
- [4]基于强化学习理论的网络拥塞控制算法研究[D]. 李鑫. 东北大学, 2009(06)
- [5]基于粒子滤波的ATM网络拥塞预测控制研究[D]. 田静. 东北大学, 2008(03)
- [6]基于ATM的QoS技术和抗毁性技术[A]. 许莉,巩娟霞. 全国计算机安全学术交流会论文集(第二十二卷), 2007
- [7]高速通信网络拥塞控制算法研究[D]. 刘志新. 燕山大学, 2006(03)
- [8]光波长路由器中基于FLC的流量控制的研究与实现[D]. 喻增园. 华中科技大学, 2005(05)
- [9]基于ABR业务的ATM网络拥塞控制算法研究及其在交换机中的应用[D]. 文旭东. 湖南大学, 2005(07)
- [10]基于源端的ATM网络ABR业务流量控制[D]. 刘庆峰. 燕山大学, 2004(04)