智能传感器网络拥塞自抗扰控制方法技术

本发明专利技术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。本发明专利技术设计简单，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。

【技术实现步骤摘要】
智能传感器网络拥塞自抗扰控制方法
本专利技术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。
技术介绍
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。
技术实现思路
本专利技术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。本专利技术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：x1＝δq，u＝δp，q为队列长度，p为分组丢弃概率；N为激活的TCP连接数，c为链路容量，q0为期望队列长度，Tp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：zi(i＝1,2,3)为xi(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，Tp为固定的广播时延；进一步的，所述的通信干扰值F的计算公式为：F＝Aτ1x1(t-τ)+Aτ2x2(t-τ)+f，其中：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：Kp、Kd为自抗扰控制器增益。进一步的，Kp＝wc,Kd＝2wc，wc为控制器带宽。本专利技术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，本专利技术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是本专利技术所设计方法(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是本专利技术中扩张状态观测器对总扰动的估计图；图3是本专利技术的控制方法(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是本专利技术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是本专利技术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。本专利技术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，本专利技术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，Tp为固定的广播时延，R0为平衡状态下的往返时延。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，令x1＝δq，由线性化模型(2)得到状态空间模型为：其中，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本文档来自技高网...

【技术保护点】
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：/n步骤1、建立智能传感器网络系统的状态空间模型；/n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；/n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。/n

【技术特征摘要】
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。


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；

N为激活的TCP连接数，c为链路容量，q0为期望队列长度，Tp为固定的广播时延。


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，所述的扩张状态观测器的表达式为：

其中：
zi(i＝1,2,3)为xi(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；

【专利技术属性】
技术研发人员：周柯，王晓明，林翔宇，张炜，丘晓茵，彭博雅，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：广西;45