因特网时延空间建模的研究
基于INTERNET远程控制中网络延时的研究

应用均有变革性的深远意义, 倍受国内外研究人员的注 目。 图1 所示的远程控制系统中, 因特网中 传输的是系统实时的
运动信 息, 在一定的采样周期下可 以实现对系统运动量信息的实
时控制【。 l l
3 网络 的时延及产生的原 因分析
T P 是 因 网的通信 中事实上 的国际标准 , C/ 特 基于T P C/
- I- - - - - - - - - - - - ' - I- - - - - - - - ● - I。 - - - - - - - - _
●
: 客户
: 互联髓 . 厦务善 : .
_远程控制策略的完善 , r 基于It nt ne e r 的远程 控制成为可能。 基于公共网络( t nt的远程通过廉价 的T P I e e) nr C/
维普资讯
《 动 技 与 用》07 第2卷 期 自 化 术 应 20年 6 第2
计 算 机 应 用
Comp e p i a i s ut rAp l t c on
基于 I RNE 远程控 制 中网络延 时 的研 究 T N E T
A b t a tTh s p p r i to u e h n e n tb s d r mo e c n r ls se . e c mp ns t n o h e wo k d l y i i c s e s r c : i a e n r d c st e i t r e — a e e t o to y t m Th o e a i ft e n t r e a sd s u s d o b s d o h n u — u p tmo e n S d ma n. a e n t e i p to t u d l - o i i
动车组列车安全状态检测网络时延建模

有 运行 设 备 , 虽 然交 换式 T业 以太 网可 以直接 应用 于 变送 器 、 执行机构 、 现场控 制器等 现场设备 , 但 是针 对列车 具体 的检 测环境 , 将交 换式 丁业 以太 网直接 和
检 测列 车所 有运 行设 备状 态 的传 感器 连接 ,由于 每个
传 感器 都需 要单 独 占用一 条传输 线 , 在 列车 有限 的空 间 内势 必造 成布 线 难 , 并且 会使 成 本增 加 。 作 为现 场设 备 之 间 、 现场设 备 与 监控设 备之 问实 行 双 向 、 串
享方 面受 到 限制 。 应用 于T业 自动化 和过程 控制领 域 的交换 式 T业
列 车 安 全 状 态 检测 的 网络 结 构 ,建立 了周 期 性 数 据 从 网络底 层 传 感器 到 列 车 管理 中心 的最 大 传 输 时延 模型 , 并 得 出影 响时延 的 因素 , 分 析 了最 大传 输 随这 些 因素 的变 化 趋 势 , 最 后通 过 仿 真 软 件 对 所 建 立 的
列 车安 全 状 态 检测 对 实 时性 要 求 苛 刻 ¨ , 采用 C A N总线和 以太网结合的方式检 测列车安全状态需 要 保证数 据传输 的实 时性 。 用理论分 析 的方法可对 CAN
总线时延进行计算 以评价 网络性能 , 文献 [ 1 1 _ 1 4] 针对 C A N总线 时延 , 分析了带 优先级 的C A N报文排 队时延 、
本 文 针 对 动 车 组 列 车 实 际检 测 需 求 , 采 用 全 双
T 交换 式 T业 以太 网 和 C AN总 线 , 构 建适 合 动 车组
采用令牌 环机制 , 数据 传输速率可 达 1 0 Mb p s 。 作 为列 车专用的安全状态网络 , T C N、 L o n Wo r k s 、 Wo r l d F I P 和 AR C NE T等 网络在 通信速率 、 大数据 量传输 和资源共
基于径向基神经网络的Internet网络时延模型研究

收稿日期:!""#$"#$"%作者简介:吴转峰(&’(%$),女,甘肃庆阳人,博士生,研究向为计算机控制与智能控制)文章编号:&""*$"*!%(!""#)"*$""+#$",基于径向基神经网络的-./01.0/网络时延模型研究吴转峰,刘卫国,骆光照,付丽(西北工业大学自动化学院,陕西西安(&""(!)摘要:以-./01.0/为媒介进行控制信息的传送,是远程控制发展的重要趋势,而-./01.0/传输时延的不确定性,使得这样的远程控制信息闭环控制系统难以实现)在实际测量网络时延实际数据的基础上,利用滑动模型和样条原理,采用滑模均值代替滑模的常规输入值,利用径向基神经网络建立了网络时延的模型)仿真结果表明该模型能够反映并预测该测量数据所代表的网络路径之间的时延特性,并能在基于-./01.0/的闭环控制系统的设计中有效地替代实际网络进行研究;而所用的建模方法具有快速、准确的特点,能用于在线学习网络模型并对网络的时延值进行预测,为基于-./01.0/的远程闭环控制提供了新的思路)关键词:网络时延;远程控制;神经网络;-./01.0/中图分类号:23%’%文献标识码:4!引言-./01.0/是目前使用最为广泛的全球广域网,其业务量呈爆炸式增长,由于用户数激增,各种新业务层出不穷,导致-./01.0/网上信息流量持续增加,网络变得拥挤不堪,使得作为555(671896:9060;)网络基础的-./01.0/常常被戏称为“全球等待”(666,671896:906<:/:.=))网络延迟的不断增加,阻碍了-./01.0/的进一步发展,更加限制了基于-./01.0/的远程控制系统的推广应用)控制系统的实时性、可靠性一直是控制系统研究的重点)在基于-./01.0/的远程控制中,为了实现较为准确、可靠的远程控制任务,要求控制信号能够实现基于网络的闭环控制,而网络时延的不确定性往往造成了这样的闭环系统的稳定性难以保证,甚至可控性急剧下降,这大大制约了基于-./01.0/的远程闭环控制的发展)为了研究基于-./01.0/的远程闭环控制,必须建立有效的、考虑了网络时延的控制器,而网络时延的不确定性使得网络时延的较为精确的数学模型难以建立,从而影响了远程闭环控制的实现)为了设计精确的闭环控制器,实现远程的闭环控制,本文研究了网络的时延特性,并在实际测量网络时延数据的基础上建立了网络时延的数学模型[&][!])"基于-./01.0/的远程控制系统中网络时延分析在远程控制中,常采用基于>?@(>8:0./?@01A01)及B ?@(B175C01?@01A01)结构的远程控制系统,客户登陆控制系统的客户端通过-./01.0/访问服务器端的控制装置,以基于B ?@结构的远程电机控制系统为例,如图&所示,对客户来说,网络时延是指从客户发出请求到控制服务器,控制服务器通过以串口连接的D@3控制器实施对电机的控制,并将电机的运行参数反向传回给客户端的时间)对基于2>3?-3协议的-./01.0/来说,对每一请求都要作如下处理:路由处理、4DE (用户数据单元)在网络上传输以及服务器对请求进行处理,这些过程都要引起延迟)网络控制系统的控制信号通过基于2>3?-3协议的因特网传输必然带来信号的时延)该时延不确定性,使整个系统的控制品质变坏,是影响基于因特网远程控制技术发展的一大瓶颈问题)网络控制系统的结构一般如图&所示,网络时延分别由以下部分组成:&)本地主机数据处理时延;!)物理线路上信号传输时延;%)中间路由器数据处理时延;,)远程主机数据处理时延)以上各部分时延的存在就产生了2>3?-3网络的时延,中间路由器数据处理时延的和是网络时延的主要组成部分)而在时延不确定方面,严格来讲,以上各部分都是变化的并且都相互关联,但由于网络负载的变化多发生在中间路由器上,变动的主要因素为中间路由器数据处理第!%卷第*期!""#年&"月华东交通大学学报F7G1.<87H I<C/>J:.<F:<7/7.=E.:A01C:/KL78)!%M7)*NO/),!""#时延总和!因此说,网络时延及其不确定性主要决定于数据所经过的跳数以及在每一跳上所花费的时间!图"基于因特网的远程电机控制系统框图客户端电机服务器端#$%控制器&’()*’)(因特网是采用动态路由机制来传输数据业务的,但这种动态并不等于随机路由,只有当互连网的情况发生严重变化时,例如路由失效、严重拥塞等,转发数据包的路由路径才会改变!对因特网路由行为的研究表明,通信双方或多方在会话期间路由很少改变,大部分的数据流沿同一条物理路径传输[+]!这种在较长的时间范围内,路由会改变,但大部分因特网内的路由不会有大的改变,可以被称为路由持久性,由于路由持久性的存在,动态路由机制并不能使信息传递路由跳数不断产生变化!因此,动态路由机制并不是时延不确定性产生的根本原因!而负载的不确定性变化才是导致网络时延变化不确定性的根本原因!这是因为基于,-%.&%协议的因特网在网络接口层普遍采用随机竞争的访问控制协议,多个通信节点共享通信信道资源!而网上的数据传输有一种突发性的特点,由于共享带宽的原因,当网络中的数据流量突然增大时,将造成其经过的路由器的负载增大,从而等待路由器进行处理的数据增多,这样数据排队等待处理的时间增长,使得数据报的时延增大!另外,当路由器的负载超过其处理能力时,将对随后到达的数据包进行丢弃处理,这样对以,-%协议进行数据传输的数据包来讲,将造成数据报的重发以及发送主机,-%滑动窗口的减小,这些最终都将造成数据报时延的瞬间增大!这是时延不确定性产生的主要原因[+][/]!!网络时延的数学模型!!"网络时延的测试与分析为了分析网络的时延特性,最直接的办法就是实际测量!利用&-0%(&’()*’)(-1’(*120)3345)%*1(1612)协议的“%7’5”命令,以请求应答(8691:);<)3()报文的方式编制相应的软件,连续实际测量了清华大学与百度网站之间的网络时延,测试如图=所示,测试时间从深夜开始,连续运行+>?@分钟,每分钟测量一次,获得样本大小为+>?@个!由图=显示的时延曲线,可以看出网络时延确实是与网络的流量密切相关的!晚上网络流量很小,网络时延也很小而白天则随着网络流量的增大,网络时延也随之增大,并且相邻两天的时延特性较为相似,可见网络时延有一定的周期性和规律性!并且,图=表明网络的时延具有区域连续性,以时间为准则分为白天和晚上两个区段,区段之间及区段内部具有区域的连续性!即在某一区域,时延的均值符合一定的统计规律,可以断定网络模型的输入必须反映这一特性,即为了预测时刻!的时延值,需要!A "……!A #个过去时刻的数据,其中"为预测的步数,#A "为数据的长度$也就是用一个基于滑动模型的样条去定位时预测点在网络时延模型中的具体位置$B@@测量序号图=网络时延的实测数据网络延时特性C 清华A 百度D"/@@"=@@"@@@>@@E@@/@@=@@@时间延时C 秒D"@@@+B@@/@@@"B@@=@@@+@@@=B@@测试时间:!="@"@#E $A %+$A &B !=%+:!+"E :!B "E 测量!E "/#!$B 小时,!+">#?$@分钟!$!基于神经网络的模型辨识图=表明,网络时延具有很强的非线性,对它的研究最好借助于非线性的研究手段!神经网络作为一种重要的非线性研究手段,能够模拟具有高度非线性的超大规模连续时间动力系统,其最主要的特征为网络的全局作用、大规模并行分布处理及高度的鲁棒性和学习联想能力!同时它又具有一般非线性动力系统的共性,即不可预测性、吸引性、耗散性、非平衡性、不可逆性、高维性、广泛连接性与自适应性等,因此它实际上是一个超大规模非线性连续时间自适应信息处理系统!可见,神经网络非常适合用于网络时延模型的辨识!F !G !H4I69曾给辨识下过这样的定义:辨识就是在输入和输出数据的基础上,从一组给定的模型中,确定一个与所测系统等价的模型!神经网络用于辨识的实质就是选择一适当的神经网络模型来逼近实际系统!设系统的输入空间为!%,输出空间为!&,实际系统可以表示为一个从输入空间到输出空间的算子’:!%!!&;给定一个模型类(#,设’"(#,则辨识的目的就是确定一个(#的子集类(&#包含于(#;而对于动态系统,这两个空间均可看作是由区间[@,)]或[@,J ]上的有界勒贝格可积函数组成$然而无论对于静态还是动态系统,算子’都是由给定的输入*输出对隐含定义,即实际系统的动态或静态特性必然表现在其变化着的输入*输出数据之中,而辨识的目的就是利用学的法从这些序列中提炼出系统’的学模型’&,使下式:#+&A +#K #’&(%)A ’(%)#$"对任意%"!%成立$其中,"L @可预先由辨识准则给定,##是空间!&上一范,+K ’(%)和+&K ’&(%)分?>第B 期吴转峰,等:基于径向基神经网络的&’()*’)(网络时延模型研究别是系统和模型对于!的输出响应,定义"!#$"#,则通过辨识确定%$,使得:&’(!"!!&’(!#$"#!成立)!)"径向基网络的优越性图#径向基网络的结构输入层线性层径向基层$%&"&$%&"&’()*+*’()*’()&,-.-/01’()&’()&2(’()&1345&6(24’()&64!7&’4)’&’()&’()&84径向基函数(*6.-6196/-/:;2<0-=2)神经网络*9:网络的结构,也是一种三层前向网络,含有输人层、隐含层和输出层5隐层神经元采用径向基函数作为激励函数,故把网络简称为*9:网络,其拓扑结构如图#所示5径向基网络比一般的9+网络需要更多的神经元,但是训练的时间远远的短于9+神经网络5由其适合于可以得到大量的训练数据的场合5如图#所示,径向基网络由两层组成:包含*&个神经元的径向基隐含层,和包含*4个神经元的线性输出层)它与普通9+网络的区别就在于径向基隐含层的神经元模型与普通9+网络不同5径向基网络隐含层的神经元模型如图>所示,它具有*个输入的,它的输入神经元的函数关系式与其它神经元不同,它把输入的矢量?与它的权值矢量3的距离!3"?!,与域值的乘积!3"?!8,作为径向基函数的输入5图中的!.-/0!就表示求取+与,的矢量距离!+",!)11.-/011+&+4+#+*26&5&&5*图>径向基函数神经元模型6!@6.86/A &&3"?&&8B8&径向基神经元载入如图C 所示,径向基神经元的转移函数一般为:@6.86/(()!D "(4图C 径向基神经元的转移函&5E E 5C-这样的神经元转移函,使得径向基网络有了局部逼近的核心,保证了径向基网络的局部优化特性,有利于克服9+网络中易限于局部最小,收敛速度慢的缺点,使得它网络较快的收敛速度,使它非常适合于在线学习预估的场合5"建立模型的具体过程取图4中所示的前#4EE 个(包含完整的一天的数据)网络时延实际测试数据作为研究对象,并按序号的奇偶性将其分成两组,即令序号为奇数的&FEE 个数据为训练数据,序号为偶数的&FEE 个数据为测试数据5分别以."(……."&个滑模样条值的均值作为神经网络的输入,而将.时刻的延时值作为神经网络的输出进行训练)即/(.)!2D0(&&"(!(’!&0."&"’),其中1为预报的步数,(为滑模样条的长度)分别选定(!&,4,#等值,&!&,4,#,C 等值用同样的训练样本分别进行训练,结果如图F 所示,模型训练时间仅为&4)G 秒左右)FEE >EE 4EE E"4EE图F 采用样条滑模的网络模型时延预测>EE HEE 4EE E &>EE DI?D<0D.J=@D<6/0D@@=@FEE &EEE &4EE HEE图F 是神经网络的训练结果,其中的DI?D<0D.是神经网络经过训练后对训练数据的拟和曲线,J=@D<6/0是训练后的神经网络对检测数据样本的预测值,D@@=@是训练后的神经网络对检测数据样本的预测值与期望输出值的误差5仿真结果表明,该模型并未反映网络时延测试点时刻.、过去的&"(个时刻的值与现在的.时刻的函数关系,说明网络的输入输出并未提取网络的特征,不能作为网络时延模型的预测方法)这也就是说,该神经具有很强的学习能力,但是泛化能力很差,不能作为网络时延的模型进行在线预测,因为作为预测模型时,要求神经网络具有较强的泛化能力)为了分析原因,再研究图4所示的原始数据,发现图中曲线比较尖锐,并不光滑,具有明显特征的样条难以抽取,使得基于样条的滑动模型失效,而导致了训练后的神经网络模型不能泛化,不能进行新值的预测5为此,为了采用能够反映输入点的范围而对输出进行定位的样条方法,作者对该法进行了修改,以便既能提取样条特征,又能避开较大的毛刺5具体办法如下:用."(……."&个样条值的均值代替这(&"()个样条值作为神经网络的输入进行训练)再取与图#同样的训练及检测数据,该用样条均值的方法进行研究)分别选定(!&,4,#等值,&!&,4,#,C 等值用同样的训练样本分别进行训练,模型训练时间也仅为&4)G 秒左右,当(!4,&!&时用检测样本对训练的模型的预测功能检测结果如图F 所示)图K 是神经网络的预测输出、期望输出及误差H H 华东交通大学学报4EEF 年图!其中的"#$"%&"’曲线是检测数据样本的期望输出值值,()*"%+,&是训练后的神经网络对检测数据样本的预测值,"**)*是训练后的神经网络对检测数据样本的预测值与期望输出值的误差!这表明该径向基网络具有极快的收敛性和较强的泛化能力,该神经网络可以作为网络时延的模型,用于在时变的网络时延条件下学习并较为准确的预测网络的时延值,为进一步研究远程的闭环控制提供了参考!-"#$"%&"’()*"%+,&"**)*.--/--0--1--图2基于滑模样条均值的网络时延模型预测输出与实际输出结果比较3.--30--3---1--/--.--0---40--4.--3---3.--30--3/--!结论以实际测量数据为依据,采用径向基神经网络研究了56&"*6"&下的网络时延模型,仿真结果表明当采用基于样条均值的滑动模型训练神经网络时,得到的网络模型具有较好的泛化能力,能够预测网络的时延!该模型的建立为进一步研究基于56&"*6"&的远程闭环控制提供了依据!参考文献:[3]7+#,)68"*6!96’:&):96’;)<&=6>?"@+A=)*=6&@"56&"*6"&[B ]!5999C DEF G*+6,+%&=)6)6E)HH<6=%+&=)6,,3II2,J J :/-3K /3J ![0]王庆鹏,谈大龙,陈宁!基于56&"*6"&的机器人控制中网络延时测试及分析[B ]!机器人,0--3,0L :L3/K L03![L ]修震,吴平东,黄杰,陈之龙!基于因特网的远程控制中网络延时特性分析!计算机工程与应用,0--.,(3L3)L![.]任长清,吴平东,王晓峰,等!基于互联网的液压远程控制系统延时预测算法研究[B ]!北京理工大学学报,0--0,00(3):1J K 1I ![J ]孙增圻,张再兴,邓志东!控制理论与技术[F ]!北京:清华大学出版社,0---!"#$%&’()*#+’,-./0*1%*23&43#5*03#/64’%*278/(9:;<)*$,32)*#+’,-=7>5$3(1?*(9,@A7=*/19$’,@7B C$3(91D53’,<7@/(G@"M+%<N&O )(D<&)H+&=)6+6’56()*H+&=)696>=6""*=6>)(P)*&@Q",&"*67)NO&"%@6=%+N R6=A"*,=&O ,S=’+623--20,E@=6+)EF8#,36#:G*+6,H=,,=)6)(%)6&*)N =6()*H+&=)6A=+56&"*6"&=,+6=H$)*&+6&&*"6’=6*"H)&"%)6&*)N ,Q@"*"+,&@"<6%"*&+=6&O %@+*+%&"*=,&=%)(&@"6"&Q)*T &=H":’"N+O U*=6>,>*"+&’=((=%<N&=",=6&@<,%N),"’:N))$*"H)&"%)6&*)N ,O,&"H!G@"+<&@)*+6+NO,",&@"=6>*"’="6&%+<,=6>&@"&=H":’"N+O ,H"+,<*",&@"&=H":’"N+O $*+%&=%+NNO ,<,",&@"VN=’":H)’"+6’,$N=6"(<6%:&=)6$*=6%=$N",()**"("*"6%",+6’,<U,&=&<&",&@"6)*H+N VN=’":H)’"=6$<&,Q=&@&@"H"+6)(&@"VN=’":H)’",&@"6+’)$&,&@";?M (*+’=+N U+,=,(<6%&=)6,)6"<*+N 6"&Q)*T ,"&&=6><$6"&Q)*T &=H":’"N+O H)’"N !G@",=H<N+&=)6*",<N&,,@)Q &@+&&@"H)’"N %+6"(("%&=A"NO ,<U,&=&<&"&@"+%&<+N 6"&Q)*T =656&"*6"&:U+,"’%N),"’N))$%)6&*)N ,O,&"H *","+*%@<6’"*&=H":’"N+O %)6’=&=)6;&@"H"&@)’,<,"’=6&@"H)’"N=6>,’<"&)&@"A=*&<")(,$""’=6",,+6’"#+%&6",,,=,%+$+UN")(N"+*6+6’$*"’=%&&@"6"&Q)*T &=H":’"N+O )6N=6",&@=,>=A",+6"Q =’"+=656&"*6"&:U+,"’*"H)&"%N),"’:N))$%)6&*)N !G*&+’,%8:6"&Q)*T &=H":’"N+O ;*"H)&"%)6&*)N ;6"<*+N 6"&Q)*T ;=6&"*6"&I1第J 期吴转峰,等:基于径向基神经网络的56&"*6"&网络时延模型研究。
一类时延的网络控制系统分析和建模

一类时延的网络控制系统分析和建模作者:王璐王健来源:《赤峰学院学报·自然科学版》 2011年第3期王璐1,王健2(1.沈阳航空航天大学,辽宁沈阳 110136;2.华晨宝马汽车有限公司,辽宁沈阳 110044)摘要:随着Internet的快速发展,网络控制系统的应用越来越广泛.由于受到数据包容量的限制,在网络控制系统中多包传输是不可避免的.作为系统分析和设计的基础,对网络控制系统建立合适的模型,意义尤显重要.在系统中,传感器采用时间驱动方式,控制器和执行器采用事件驱动方式.在考虑延时小于一个采样周期和大于一个采样周期的情况下,给出了多包传输闭环网络控制系统模型.最后,对此研究作了进一步展望.关键词:网络控制系统;网络诱导延时;多包传输中图分类号:TP273 文献标识码:A 文章编号:1673-260X(2011)03-0037-02网络控制系统(Networked Control System,简称NCS),是指控制系统中传感器、控制器、执行器等元件通过网络连接构成的反馈控制系统.NCS以其资源共享、系统分布控制、硬件连线较少、造价低、维护方便等优势,迅速应用于自动化制造工厂、电厂、机器人、高级的航天航空器和电气化运输工具.但是由于通讯网络的引入,不可避免地存在延时、丢包等问题,这将对网络控制系统的闭环性能和稳定性产生不利的影响.NCS的建模是NCS分析、仿真和设计的基础,目前国内外已经有许多学者对NCS的建模问题进行了研究.文献[1]分析了同时具有传输延迟和数据包丢失的网络控制系统稳定性,但文中仅对小于一个采样周期的恒定延迟进行了讨论.文献[2]研究了延时小于一个采样周期的情况下,考虑了建立了多包传输网络控制系统的数学模型,并分析了网络控制系统的稳定性.但只考虑了延时小于一个采样周期的情况.文献[3]针对同时存在时延和丢包的网络控制系统建立增广模型,设计预估器估计出存在时延和丢包情况下相应的状态与控制量,对时延和丢包现象进行实时补偿.文献[4]针对一类具有不确定网络诱导时延和线性被控对象的网络控制系统,建立了系统的数学模型并给出了闭环系统稳定条件.文献[5]用两种方法将网络控制系统建模成随机系统,并给出了使网络控制系统均方渐近稳定的充分条件,利用线性矩阵不等式设计了相应的状态反馈控制器和输出反馈控制器.由于网络控制系统的分布性及网络带宽和数据包大小的限制,所以采用多包传输方式有着更加实际的意义.本文主要从多包传输网络时延这一问题出发,对网络控制系统的建模方法进行了分析研究.在系统模型中,传感器采用时间驱动方式,控制器和执行器采用事件驱动方式.1 多包传输网络控制系统的模型多包传输是指数据被分放在几个不同的数据包中进行传输.由于数据包大小的限制和传感器和执行器分布在NCS一个很大的物理空间的原因,在网络控制系统中要进行多包传输.4 结语NCS的模型是NCS的分析和设计的基础.在考虑延时大于一个采样周期和小于一个采样周期的情况下,建立了网络控制系统的模型.这些模型的建立为网络控制系统的分析奠定了基础,也有利于NCS中控制器的设计.在实际工程应用中,在分析了NCS的网络特性基础上,此方法适用于线性定常系统的工业过程模型的建立.但是,本文没有考虑非线性对象的建模,这也是今后进一步研究的方向.参考文献:〔1〕樊卫华,蔡骅,吴晓蓓,等.具有时延和数据包丢失的网络控制系统的稳定性[J].南京理工大学学报,2004,28(5):465-468.〔2〕Zhigang Sun, Li Xiao, Deseng Zhu. Analysis of networked control systems with multiple-packet transmission[J]. Proceedings of the 5th World Congress on Intelligent Control and Automation. June, 2004,Hangzhou,P.R.China pp.1357-1360.〔3〕元亮.针对时延和数据包丢失的网络控制系统分析与设计.电力科学与工程,2009,25(7):42-45.〔4〕夏红伟,马广程,温奇咏,王常虹.一类网络控制系统的建模与稳定性分析[J].电机与控制学报,2007,11(4):394-397.〔5〕张小美,张晓丽,高岩波.具有数据丢失的网络控制系统建模与控制.南通大学学报(自然科学版),2007,6(2):1-6.〔6〕Nilsson J. Stochastic analysis and control of real-time systems with random time delays[J]. Automatica, 1998,34(1):57-64.。
互联网网络时延特征研究

2015年3月Journal on Communications March 2015 第36卷第3期通信学报V ol.36No.3互联网网络时延特征研究林川,赵海,毕远国,贾思媛(东北大学信息科学与工程学院,辽宁沈阳110819)摘 要:互联网宏观拓扑结构下时延特征的研究对互联网结构与性能的理解具有重要作用。
择取CAIDA Ark项目下分别位于4个不同地区的探测数据,提取网络时延与通信直径,发现网络时延与通信直径关系很小且超过70%的有效路径中存在支配时延。
经分析,正是支配时延的存在影响了网络时延与通信直径的关系。
对支配时延链路两端进行地理映射,发现支配时延以较高概率出现在同一国家同一城市某一链路传输之间。
在此基础上,得出链路两端距离小于5 000 km的支配时延主要由排队时延组成,而链路两端距离大于5 000 km的支配时延主要由传播时延组成的结论。
关键词:互联网;宏观拓扑结构;网络时延;通信直径;支配时延中图分类号:TP393.6 文献标识码:AReasearch on network delay of InternetLIN Chuan, ZHAO Hai, BI Yuan-guo, JIA Si-yuan(College of Information Science and Engineering, Northeastern University, Shenyang 110819, China) Abstract: Research on the delay of the Internet under marcrotopology plays an important role in comprehension of Inter-net architecture structure and performance. Using effective samples in four different regions authorized by CAIDA Ark and getting network delay, there is little relationship between network delay and communication diameter and the number of the effective paths happening dominant delay is over 70%. The analysis presents that it is dominant delay that affects the relationship between the network delay and the communication diameter. The geographic mapping of the link hap-pening dominant delay supposes that the dominant delay happens frequently in the link across one city in a country. Fi-nally, the conclusion is draw that queue delay is the major composition of the dominant delay for a short range(less than 5 000 km),whereas the propagation delay is the main factor for a long distance(greater than 5 000 km).Key words: Internet; macro topology; network delay; communication diameter; dominant delay1引言互联网作为大型复杂系统,其宏观拓扑结构表现为极大的复杂网络特性[1~3]。
第三章_1 网络的时延模型

Broadband Wireless Communications Laboratory, Xidian University
Xidian Univ.
Little定理的应用
数,“典型”是指时间平均)
服务速率(指系统处于忙时单位时间内服务的典
型(平均)顾客数)
Broadband Wireless Communications Laboratory, Xidian University
Xidian Univ.
Little定理
求解量
系统中的平均顾客数(它是在等待队列中和正在
Broadband Wireless Communications Laboratory, Xidian University
Xidian Univ.
排队模型
Broadband Wireless Communications Laboratory, Xidian University
Xidian Univ.
排队模型
在不同的传输网络中,顾客和服务时间可能是各不
相同的。例如,在分组交换网络中,顾客即为分组,
服务时间即为分组传输时间。在电路交换网络中,
顾客即为呼叫,服务时间即为呼叫持续的时间。
Broadband Wireless Communications Laboratory, Xidian University
T N d T
t i i 1 0 i 1
t
t
i
将上式除以t得
t
i 1
1 t
Ti
1 t
t
0
N d
1 t
网络控制系统中网络时延与建模分析

第 2 9卷 第 6期 20 0 8年 6月
仪 器
仪 表 学 报
V0. 129 No. 6
C ie eJun l fS inicIsrme t hn s o ra ce ti ntu n o f
Jn 0 8 u .2 0
统 的特 点和要求 出发 , 网络时延及其对 网络控制 系统 的影 响进行 了 阐述 , 对 并与 建模分析 相结合 , 利用连 续和离散 系统理论 建 立了几种较为常用 的网络控制 系统数学模 型。在建模 过程 中考虑 了控 制器 的动 态特性 、 同的 网络 时延 和不 同的节点工作 方 不
Absr c t a t:T r fwo l o e td b t r sha mp s d n w h ̄ln e o c n r lt e re he e a o rd c nn c e y newo k s i o e e c e g st o to h o s,a d i h a i n n t e s me
Ke o d y w r s:n t r e o to y tm ;n t o k i u e e a ewo k d c n r ls se e w r —nd c d d ly;mo ei g a a y i d l n l ss n
t e, p o i e e o p ru iis f r t er r s a c nd d v lpme . Co sd rn h h r c e si s a d ne d f i m rv d d n w p o t n t o h i e e r h a e e o e nt n i e g t e c a a tr t n e s o i i c n t r e o rls se ,t i a e n lz ste n t r i d e e a nd isi a to e wo k d c nto y t m . ewo k d c nto y tm h sp p ra ay e h e wo k—n uc d d ly a t mp c n n t r e o r ls se
不确定时延网络控制系统的建模与稳定性研究

有以下几类:网络时延、网络调度、单包与多包传输、网络掉 包等等。
因为这篇论文主要讨论网络时延,我们就其进行分类和 分析,并且建模求解。在具有网络时延的控制系统,我们进行 分析。网络时延主要存在于系统里的网络前向通道和网络后向 通道(就是各个传输器、控制器、执行器之间的变送器之间的 通道),网络通道之间的时延其实是很微小的,但是因为控制 系统的严密和准确性。就这点对控制系统的影响需要研究和克 服。首先,网络控制里包含控制器、网络通道、执行器、执行 对象、传感器,对它进行研究需要现代计算机知识支持,上面 我们提到了导致网络延时的因素,我们在这对延时进行分类
简而言之,网络的介入让控制系统由传统向更大范围、更 复杂的控制系统发展,给控制系统带来了革命性的创新。
2 影响网络控制系统稳定的因素 互联网中的宽带限制、网络的拥挤都会导致控制系统的不
稳定,尤其是无线网络的干扰性更大,会因为磁场的改变而被 影响。网络控制系统的复杂性分为外部因素和内部因素,内部 因素就是因为不同的网络硬件导致的网络传输有差异,尽管有 着各种干扰,但是控制系统的严密性不允许在传输过程中存在 数据丢失。因此要对控制系统的稳定做出变革,先就影响网络 控制系统的不稳定因素进行分析:
(1)短时延网络控制是由于短时延网络导致的; (2)如果数据在过渡设备里等待时机大大延长,导致数据 的信息传递时间大于数据的采集时间,这就是长时延网络控制。 采集数据在传输过程中以及数据处理上就存在网络时延, 通道时延往往由于在控制系统里,数据传输时间在各节点竞争 资源所占用的时间称为期间时延,期间时延就是网络时延的一 部分组成。网络时延存在这种时延导致系统对象变得特别复 杂,NCS存在的多种时延,这些各种时延由于网络硬件和数据 传输的不稳定,它们的不稳定性是随机的,我们对解决网络时 延的控制系统从以下几个方面:将数据包的延时和丢失作为控 制策略的主要参考,目的就是减少因为网络延时对控制系统的 影响,保证系统的稳定;网络跟随 其原理就是基于不同的执行 对象要对网络实时性要求不同。 3.2 控制方案 对于不确定时延网络控制系统的研究,如20世纪Raya等人 关于集成ICCS的早期研究,这个可以看作是网络控制系统的研 究原型,是他们先提出了网络控制系统的建模思想,对于网络控 制系统的研究,可以有两条途径:通过增强网络信号降低网络时 延时间;将时延当作参数建模应用数学知识进行解决。网络时延 可以通过相关专业知识进行解决,将网络控制系统中的诱导时延 始终保持在采样的最高频率下,这是基于时延必须在一定范围内 的基础完成,对网络控制系统的稳定性做定量分析,可以把对象 看作是连续的,将传输的数据信号当作离散时间进行定性分析, 将网络宽带的分析引进这个系统保持其稳定性[3]。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
21 0 2年 7月
通
信
学
报
、 1 3 , N O 7 0 3 J l 0 2 u y2 1
J u n l nCo m u ia i n o r a m o nc t s o
因特 网时延空 间建模 的研 究
王 占 ,陈呜,邢长友 ,李兵,仇 小锋 丰
( 解放 军理工 大学 指 挥 自动化 学院 ,江苏 南京 20 0 ) 10 7
摘
要 :首先概述 了因特网时延 空间建模 的基本概念,然后从因特网时延空间模 型演化 的角度对典型模型进行 了
分析,剖析因特 网时延空间建模 中存在 的难点 。最后,对现有 的因特 网时延空间模型进行 了综合对 比,指 出了建
p i td o t F n ly t ef t r e d f h d l g o eI t r e ea p c r ic se . o n e u . i al ,h u u et n s emo e i f h e n t ly s a ewe e d s u s d r o t n t n d
的对 等节 点L,在微 软游 戏 XbxLV 中也 使 用 了 2 J o I E
坐 标系统 Ht e 选择较 近 的服务 器p。 r 来 a 】 因特 网 时延 的研 究始 于 因特 网建立 之初 ,现 在 已有 网络 协议 支持 和众 多可供 使用 的测 量工 具 。最 初 ,其研 究对 象 以排 队时延 、链 路 时延 为主 ,如今 则侧 重 于整个 网络 因特 网时延 空 间的分 析和 建模 。
Ab t a t isl , h o c p f h d l g o eI tm e e a p c sp e e td a d t e a i u e a d l s r c :F r t t e c n e t e mo ei ft ne t ly s a e wa r s n e , n h n v r sd ly mo es y o t n h d o we e a a y e r m ee o v me tve I h o l wi g s ci n t e c a ln e fI t r e ea p c d l g we e r n l z d fo t v l e n i w. n t e f l h o n e t , h le g so e n t ly s a e mo ei r o h n d n
在 19 94年 ,Hoz在 其博 士论文 中首 次对 因特 网 时 t
延 空 间中 的三角 形不 等式 约束 进行 了研 究 ,开启 J
且还不 能提供 实 时信息 。人 们希 望建立 一个 因特 网
时延模型来准确地预测任意 2 个节点间的时延。因
此, 因特 网时延空 问的建模成为 网络测量领域最为活
W A h nfn , HE M ig XI h n -o , I ig Q U X a — n NG Z a - g C N n , NG C a gy u L n , I iof g e B e
( stto o a d u ainP AUnvrt f c ne eh o g , aj g20 0, hn) I tue f mm n  ̄m t ,L i syo i c &T cnl yN ni 107 C ia ni C A o ei Se o n
1 引言
因特 网 已经成 为现 代社会 的基础 设施 ,网络性 能 的优 劣 备 受 因特 网服 务 提供 者 ( P nentsr i ,Itre e- s
跃 的研究方 向之一 , 取得 了众多 的理论和 实践 成时延 模 型 和 系 统 被 构 建 出
Ke r s n t r a u e n ; n e n t ea p c ; e wo k p ro ma c ; ewo k c o d n t ywo d : e wo kme s r me t I tr e ly s a e n t r e f r n e n t r o r i ae d
收 稿 日期 :2 1-80 ;修 回 日期 :2 1—22 0 1 —8 0 0 20 —8
了因特网时延空问研 究的先河 。N 在 20 g 02年 提 出 了首个 网络坐 标 系统 G P,自此 之后 因特 网 时 N
模 趋 势 及 主 要研 究方 向 。
关键词:网络测量 ;因特 网时延空间;网络性 能:网络坐标 中图分类号:T 3 3 P 9 文献标识码 :A 文章编号 :10 —3 X(0 20 — 14 1 0 04 6 2 1)70 6 —3
Re e r h o em o ei g o eI t r e ea p c s a c n t d l f h n e n t l y s a e h n t d
算 、云计 算等 。在这 些应用 中, 由于 能够提供 相 同
服 务 的服务器 不止 一个 ,用 户在 请求某 项服 务 时可 以从 中选择 一个 具有较 小 时延 的服 务器 ,从 而大 大
减 少通信 时间 。采用传 统 的网络测 量方 式来选 择服
务器需 要进行 大 量 的测 量 ,不仅 增加 了 网络 开销 而
来 ,并得 到广 泛部 署和应 用 。如著 名 的 P P客户 端 2
软件 Az ru 就 使用 了坐标 系统 V v li ue s iad 来选 择最 近
vc rvdr和用 户 的关注 。特 别 是近 些年来 ,大 iepoie)
量 时延 敏感 型 网络 应用 不断涌 现 ,如 P P 2 、网格计