CN113015119B - 智能传感器网络拥塞自抗扰控制方法 - Google Patents

Abstract

本发明提供一种智能传感器网络拥塞自抗扰控制方法，包括以下步骤：建立智能传感器网络系统的状态空间模型；根据智能传感器网络系统的状态空间模型设计扩张状态观测器，计算通信干扰值；设计带有扰动的自抗扰控制器，通过设计虚拟控制量将通信干扰值加入到自抗扰控制器中，使路由器缓存中的队列长度稳定在设定值。本发明设计简单，具有鲁棒性，对系统参数的扰动有很好的补偿能力，并且能缩短节点延时，稳定传感器节点队列长度，更好的提高小微智能传感器网络性能。

Description

智能传感器网络拥塞自抗扰控制方法

技术领域

本发明涉及小微智能传感器网络控制领域，针对透明电网中小微智能传感器网络拥塞的问题，提出一种小微智能传感器网络拥塞自抗扰控制方法。

背景技术

小微智能传感器是透明电网的重要组成元素，在电网中广泛安装小微智能传感器，让电网各环节充分的展示出来，实现电网信息全面深度透明，形成透明电网。然而，由小微智能传感器组成的无线传感器网络中大规模的数据流输入到传感器节点可能引起网络拥塞。网络拥塞严重影响网络的性能，同时拥塞会造成分组丢弃数据，可能导致数据重传。小微智能传感器的能量补给较小，需要电池的能源支持进行数据重传，造成能量的浪费。因此，网络拥塞是制约小微智能传感器发展的关键因素之一。

拥塞控制直接影响到网络的服务质量、系统带宽利用率以及网络能量有效性等网络性能。针对网络拥塞控制大致分为速率控制、多路分流、虚拟网关流量调度、传输调度、分组丢弃、网内聚合处理和主动队列管理等控制方法。国内外的研究人员们进行了大量的研究。例如同济大学学者提出一种自适应的拥塞缓解机制，在无线传感器网络发生拥塞时，尝试在节点附近建立新路径。(期刊：江西图书馆学刊；著者：马铁英；出版年月：2010；文章题目：一种简单的自适应无线传感器网络信息流量控制方法；页码：108-110)。北京科技大学学者提出一种基于PID型神经网络控制队列的控制器，利用RBF神经网络的自学习能力解决网络实时变化时算法参数的在线整定问题，使路由器缓存中的队列长度稳定在设定值。(期刊：小型微型计算机系统；著者：唐懿芳，穆志纯，赵仕俊，钟达夫；出版年月：2010；文章题目：基于RBF预估神经网络控制器的无线传感器网络拥塞算法；页码：32-35)。

诸如上述的针对小微智能传感器网络拥塞现象的学术研究中，都没有考虑到小微智能传感器网络运行中存在的非线性、时间延迟和参数时变等干扰的问题，因此有必要对现有技术进行改进。

发明内容

本发明的目的是提供一种智能传感器网络拥塞自抗扰控制方法，可以解决现有技术中小微智能传感器网络运行中存在的非线性、时间延迟和参数时变等干扰对智能传感器网络拥塞的影响的问题。

本发明的目的是通过以下技术方案实现的：

智能传感器网络拥塞自抗扰控制方法，包括以下步骤：

步骤1、建立智能传感器网络系统的状态空间模型；

步骤2、根据智能传感器网络系统的状态空间模型设计扩张状态观测器，计算通信干扰值；

步骤3、设计带有扰动的自抗扰控制器，通过设计虚拟控制量将通信干扰值加入到自抗扰控制器中，使路由器缓存中的队列长度稳定在设定值。

进一步的，所述的状态空间模型的表达式为：

其中：

x₁＝δq，

u＝δp，q为队列长度，p为分组丢弃概率，δq为队列长度与期望队列长度之差，

为δq的导数，δp为分组丢弃概率与期望的分组丢弃概率之差；

τ为通信往返时延；t为时间；

N为激活的TCP连接数，c为链路容量，

q₀为期望队列长度，T_p为固定的广播时延。

进一步的，所述的扩张状态观测器的表达式为：

其中：

z_i(i＝1，2，3)为x_i(i＝1，2，3)的估计值，

q为队列长度，F为通信干扰值；

为估计误差；

β₀₁、β₀₂、β₀₃为扩张状态观测器的增益；

N为激活的TCP连接数，c为链路容量，

q₀为期望队列长度，T_p为固定的广播时延；

τ为往返时延；t为时间。

进一步的，所述的通信干扰值F的计算公式为：

F＝A_τ1x₁(t-τ)+A_τ2x₂(t-τ)+f，其中：

f为除时间延迟以外系统通信受到的总干扰。

进一步的，所述的虚拟控制量具体表示为：

其中：

N为激活的TCP连接数，c为链路容量；

z₃＝F。

进一步的，所述的自抗扰控制器的输出为：

其中：

K_p、K_d为自抗扰控制器增益；q_d为期望的队列长度值，

为期望的队列长度值的一阶导数，

为期望的队列长度值的二阶导数，

为参数B。

进一步的，K_p＝w_c，K_d＝2w_c，w_c为控制器带宽。

本发明针对小微智能传感器网络运行中存在的非线性、时间延迟和参数时变等干扰的问题，本发明采用小微智能传感器网络拥塞自抗扰控制进行研究。利用小微智能传感器网络拥塞系统状态空间模型设计数据驱动的扩张状态观测器，并将估计的总扰动信息加入到自抗扰控制器中，并通过加入虚拟控制量设计控制器，使得系统能对扰动干扰以及时间延迟等干扰进行补偿。该控制器设计简单，具有鲁棒性，对系统参数的扰动有很好的补偿能力，并且能缩短节点延时，稳定传感器节点队列长度，更好的提高小微智能传感器网络性能。

附图说明

图1是本发明所设计方法(ADRC)与现有技术的PID控制(PID)方法网络队列长度控制效果对比图；

图2是本发明中扩张状态观测器对总扰动的估计图；

图3是本发明的控制方法(ADRC)与现有技术的控制(PID)方法在具有参数时变干扰情况下网络队列长度控制效果对比图；

图4是本发明中在具有参数时变干扰情况下扩张状态观测器对总扰动的估计图；

图5是本发明的智能传感器网络拥塞自抗扰控制方法的步骤图。

具体实施方式

下面结合附图对本公开实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

本发明旨在小微智能传感器网络存在时间延迟、参数时变以及外部干扰存在的条件下避免小微智能传感器网络拥塞现象。为此，本发明提供一种智能传感器网络拥塞自抗扰控制方法，包括以下步骤：

步骤1、建立小微智能传感器网络系统的状态空间模型。

基于流体理论建立了主动队列管理控制的非线性模型，考虑往返时延以及路由器中队列长度的动态特性得到小微智能传感器网络拥塞控制系统的微分方程：

其中，w为窗口尺寸，c为链路容量，N为激活的TCP连接数，p为分组丢弃概率，q为队列长度，R为往返时延，T_p为固定的广播时延，R₀为平衡状态下的往返时延，t为时间。

研究和实验表明式(1)很好地表明了小微智能传感器网络的特性，可以看出式(1)具有很强的非线性和时间延迟，这为进一步设计和分析分组丢弃概率增加了困难，因为对式(1)进行线性化从而进行设计控制器是一个值得关注的方向。

现将(w，q)作为状态，p作为输入，q作为输出。为了便于分析系统的稳定性，将在平衡点(w₀，q₀，p₀)处线性化处理，其中，q₀为期望队列长度，得到线性化模型为：

其中，δq＝q-q₀，δw＝w-w₀，δp＝p-p₀，

τ为通信往返时延。

令x₁＝δq，

由线性化模型(2)得到状态空间模型为：

其中，

δq为队列长度与期望队列长度之差，

为δq的导数，δp为分组丢弃概率与期望的分组丢弃概率之差。

步骤2、根据小微智能传感器网络系统状态空间模型设计扩张状态观测器，计算通信干扰值。

通信干扰值是由于参数时变以及时间延迟等引起的，需要对通信干扰值进行实时在线估计。

根据网络拥塞控制系统状态空间模型(3)，定义状态变量为：

设计扩张状态观测器：

其中，z_i(i＝1，2，3)为x_i的估计值，

为估计误差，β_i∈R(i＝1，2，3)为观测器增益，F＝A_τ1x₁(t-τ)+A_τ2x₂(t-τ)+f为系统存在时间延迟以及参数时变等总的通信干扰值，利用观测器的扩张状态对系统总干扰及逆行估计。其中f为除时间延时以外系统通信受到的总干扰。因此系统的总干扰为：F＝z₃。将观测器的极点配置到同一位置-w_o处，w_o为观测器带宽，w_o＞0。因此，观测器增益为：

步骤3、设计带有扰动的自抗扰控制器，通过设计虚拟控制量将扩张状态观测器估计出来的通信干扰值加入到自抗扰控制器中，使路由器缓存中的队列长度稳定在设定值。

控制器的设计可以分为扰动补偿部分和非线性控制两部分，通过引入虚拟控制量，将通信干扰值加入控制器中干扰补偿，虚拟控制量具体表示为：

另一部分设计PD控制器，定义控制律为：

其中，K_p，K_d，为控制器增益。K_p＝w_c，K_d＝2w_c，w_c为控制器带宽。q_d为期望的队列长度值，

为期望的队列长度值的一阶导数，

为期望的队列长度值的二阶导数，

为参数B。由上面两部分控制设计得到控制器输出为：

为验证本发明所设计的控制算法的有效性，以MATLAB作为仿真平台，以小微智能传感器网络为控制对象进行了小微智能传感器网络拥塞控制仿真实验的验证。下面结合仿真实验和附图，在控制系统中存在模型参数时变以及时间延迟干扰的情况下，对本发明提出的小微智能传感器网络控制方法做出详细说明。

为了验证本发明设计的控制方法的性能，在具有相同干扰序列的基础上，将本发明设计的控制方案与无线传感器网络拥塞控制经典控制方法(PID控制方法)进行仿真对比。其中，小微智能传感器网络环境仿真参数设定为：激活的TCP链接数为60，链路容量为300包，往返时延为3.2秒，固定的广播时延为0.2秒。本发明方法中控制器各参数：控制器参数为K_p＝20，K_d＝25，观测器带宽为w_o＝5，参照以往文献PID控制器参数设定为：K_p1＝1.822×10^-2，K_I＝1.866×10^-4，K_d1＝2.706×10^-2。仿真设定期望的队列长度为200包。仿真时间为100秒，采样频率为200赫兹。

在实际运行中TCP连接数N为时变参数，它直接影响网络拥塞程度，因此为了模拟实际参数时变的情况，将参数激活的TCP连接数设为时变参数即

为模拟参数链路质量的不确定性，将链路容量设为时变参数为

本发明设计的方法与模型预测控制方法网络队列长度控制效果图如图1所示。从图1可以看出，本发明所设计的控制方案更快的响应，减少节点时间延迟，更快的到达期望的队列长度，达到缓解网络拥塞现象的目的。然而PID控制方案对参数敏感，很容易出现超调，不能很好的到达期望的队列长度。如图2所示的扩张状态观测器对系统扰动估计图，ESO可以对通信存在的时延干扰进行估计，在控制器中进行补偿，减少节点时间延迟。在具有时间延迟的情况下，本发明设计的方法可以得到更快的响应并且控制器参数调节简便。为体现控制方案的抗干扰性，在时间延迟的基础上加入时变参数的情况，网络队列长度控制效果图如图3所示，本发明设计的方法在具有参数不确定性的情况下，仍能快速到达并稳定在期望队列长度，而PID控制方法在期望队列长度上下震荡，不能很好的稳定在期望队列长度上，不能很好的达到缓解网络拥塞现象。如图4所示的扩张状态观测器对系统扰动估计图，ESO可以对通信存在的时延和参数不确定性等总干扰进行估计，是本发明设计的方法具有很好的抗干扰能力。总之，本发明设计的控制方法系统存在的总扰动进行补偿，减少节点延时时间，将队列长度稳定在期望值附近，减少网络拥塞程度。

经过上述分析，证明了本发明算法的有效性。

以上仅为说明本发明的实施方式，并不用于限制本发明，对于本领域的技术人员来说，凡在本发明的精神和原则之内，不经过创造性劳动所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.智能传感器网络拥塞自抗扰控制方法，其特征在于，包括以下步骤：

步骤1、建立智能传感器网络系统的状态空间模型；

步骤2、根据智能传感器网络系统的状态空间模型设计扩张状态观测器，计算通信干扰值；

步骤3、设计带有扰动的自抗扰控制器，通过设计虚拟控制量将通信干扰值加入到自抗扰控制器中，使路由器缓存中的队列长度稳定在设定值；

所述的状态空间模型的表达式为：

其中：

x₁＝δq，

u＝δp，q为队列长度，p为分组丢弃概率，δq为队列长度与期望队列长度之差，

为δq的导数，δp为分组丢弃概率与期望的分组丢弃概率之差；

τ为通信往返时延；t为时间；

N为激活的TCP连接数，c为链路容量，

q₀为期望队列长度，T_p为固定的广播时延；

所述的扩张状态观测器的表达式为：

其中：

z_i(i＝1，2，3)为x_i(i＝1，2，3)的估计值，x₁＝δq，

x₃＝F，q为队列长度，F为通信干扰值；

为估计误差；

β₀₁、β₀₂、β₀₃为扩张状态观测器的增益；

N为激活的TCP连接数，c为链路容量，

q₀为期望队列长度，T_p为固定的广播时延；

τ为通信往返时延；t为时间；

所述的通信干扰值F的计算公式为：

F＝A_τ1x₁(t-τ)+A_τ2x₂(t-τ)+f，其中：

f为除时间延时干扰外系统通信受到的总干扰；

所述的自抗扰控制器的输出为：

其中：

K_p、K_d为自抗扰控制器增益；q_d为期望的队列长度值，

为期望的队列长度值一阶导数，

为期望的队列长度值的二阶导数，

为参数B。

2.根据权利要求1所述的智能传感器网络拥塞自抗扰控制方法，其特征在于，所述的虚拟控制量具体表示为：

其中：

N为激活的TCP连接数，c为链路容量；

z₃＝F。

3.根据权利要求1所述的智能传感器网络拥塞自抗扰控制方法，其特征在于，K_p＝w_c，K_d＝2w_c，w_c为控制器带宽。

Images