[发明专利]基于模糊控制单神经元PID控制器的无线传感器网络的拥塞控制方法

权利要求书

1.一种基于模糊神经元PID的无线传感器网络拥塞控制方法，其特征在于：包括步骤如下：

1)相关参数的定义：

K_p、K_i、K_d为PID方法中的三个参数；

K为单神经元的增益，初始值为K₀，其值为0.96，△K为模糊控制器的输出，增益；K＝K+△K；

e为瞬时队列长度和期望队列长度误差；

ec为瞬时队列长度和期望队列长度的误差变化率；

w_i(k)为单神经元的权值，i的取值为1，2，3；

η₁、η₂、η₃为神经元学习速率，η₁、η₂、η₃取值范围均为[0.0000001,10]；

节点缓存队列长度为50Packets；

节点的期望队列长度为q₀，值为20Packets；

节点的瞬时队列长度为q，初值为0；

p(k)为丢弃概率；

2)比例-积分-微分控制算法PID方法的实现：

根据PID原理，将PID方法进行编程，加入到NS2平台下，实现其无线传感器节点队列管理的功能；

3)单神经元比例-积分-微分控制算法NPID方法的实现：

由于无线传感器网络情况复杂，时刻变化，而单神经元具有自学习的特性，将单神经元控制技术引入，可以改进PID方法存在的无法根据网络实时变化自适应调节的问题，形成了单神经元比例-积分-微分控制算法，称为NPID方法，具体实现过程如下：

(1)NPID方法的输入：x₁(k)＝q-q₀＝e(k)，为瞬时队列长度与期望队列长度的误差；

x₂(k)＝e(k)-e(k-1)，为误差的一次差分；

x₃(k)＝e(k-1)-e(k-2)，为误差的二次差分；

则单神经元控制系统的输入x_i(k)与输出u(k)关系如下：

其中，K(K0)为单神经元的增益，是固定取值，w_i(k)为单神经元输入量x_i(k)的权重，i的取值为1,2,3，w₁(k)、w₂(k)、w₃(k)分别对应PID方法中的K_i、K_p、K_d，再对w'_i(k)进行规范化处理，可以表示为：

最终，得到节点丢包概率公式为：

4)模糊控制单神经元比例-积分-微分控制算法FNPID方法的实现：

利用模糊控制算法对NPID方法进行改进，将单神经元的固定增益K进行实时调节，可以使得系统一直维持良好的控制效果，得到模糊控制单神经元比例-积分-微分控制算法FNPID方法，具体实现过程如下：

(2)模糊化

模糊控制器的输入：e为瞬时队列长度与期望队列长度的误差，论域选取为[-3，3]；

ec为e的一次微分，表示误差变化率，论域取为[-0.3，0.3]；

模糊控制器的输出：△K，表示单神经元增益的变化量，论域取为[-0.3，0.3]；

其中，e，ec和ΔK均规定为模糊子集：{NB，NM，NS，Z，PS，PM，PB}，模糊子集中依次为：负大、负中、负小、零、正小、正中、正大；

隶属度函数选择三角形函数，隶属度函数表如表1、表2：

表1:e的隶属度函数表

e	-3	-2	-1	0	1	2	3
NB	1	0.5	0	0	0	0	0
NM	0	1	0.5	0	0	0	0
NS	0	0.5	1	0.5	0	0	0
Z	0	0	0.5	1	0.5	0	0
PS	0	0	0	0.5	1	0.5	0
PM	0	0	0	0	0.5	1	0
PB	0	0	0	0	0	0.5	1

表2:ec和ΔK的隶属度函数表

ec/ΔK	-0.3	-0.2	-0.1	0	0.1	0.2	0.3
NB	1	0.5	0	0	0	0	0
NM	0	1	0.5	0	0	0	0
NS	0	0.5	1	0.5	0	0	0
Z	0	0	0.5	1	0.5	0	0
PS	0	0	0	0.5	1	0.5	0
PM	0	0	0	0	0.5	1	0
PB	0	0	0	0	0	0.5	1

(3)模糊规则及推理

模糊控制的规则一般形式为：

if e is e_i and ec is ec_j thenΔK is ΔK_ij(i,j＝1,2...7)

其中：e_i、ec_j和ΔK_ij分别代表相应的模糊子集；

模糊控制规则总结如表3所示：

表3:ΔK的模糊规则表

e/ec	NB	NM	NS	Z	PS	PM	PB
NB	NB	NB	NM	NM	NS	Z	Z
NM	NB	NB	NM	NS	NS	Z	Z
NS	NB	NB	NS	NS	Z	PS	PS
Z	NM	NM	NS	Z	PS	PM	PM
PS	NM	NS	Z	PS	PS	PM	PB
PM	Z	Z	PS	PS	PM	PB	PB
PB	Z	Z	PS	PM	PM	PB	PB

通过模糊规则表，可以得到单神经元增益变化量ΔK的取值；

(4)反模糊化：

反模糊化采用的是最大隶属度函数法，将输出的模糊子集根据模糊规则以及隶属度转化为精确值；最终得到单神经元的增益K：

K＝K+△K

此时，增益K将随着该网络节点队列长度的变化而改变，从而调整了对节点施加控制的强度；

5)以FNPID方法得到的丢包概率p(k)主动丢包：

在FNPID方法将单神经元固定增益进行实时调节后，按照丢包概率公式进行主动丢包，保证网络性能良好，避免拥塞发生；

为节点队列设置了期望队列长度，在拥塞发生之前，通过FNPID方法控制节点主动丢包从而使节点队列长度稳定在期望值附近，以避免网络拥塞的产生，并且又通过模糊控制对单神经元增益进行自适应调节，同时通过单神经元控制对PID参数进行自适应调节。