BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP NGUYỄN ANH TUẤN ỨNG DỤNG PHƯƠNG PHÁP GIẢM BẬC MÔ HÌNH TRONG XÂY DỰNG CẤU TRÚC MẠNG QUẢN LÝ VIỄN THÔNG CHUYÊN NGÀNH: KỸ THUẬT ĐIỆN TỬ MÃ SỐ: 605270 TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS Nguyễn Hữu Công THÁI NGUYÊN - 2011 Luận văn được hoàn thành tại trường Đại học Kỹ tuật Công nghiệp Thái Nguyên Cán bộ HDKH : PGS.TS Nguyễn Hữu Công Phản biện 1 : PGS.TS Nguyễn Quốc Trung Phản biện 2 : PGS.TS Nguyễn Thanh Hà Luận văn đã được bảo vệ trước hội đồng chấm luận văn, họp tại: Phòng cao học số 3, trường Đại học Kỹ thuật Công nghiệp Thái Nguyên Vào 14 giờ 00 phút ngày 22 tháng 12 năm 2011 Có thể tìm hiểu luận văn tại Trung tâm Học liệu tại Đại học Thái Nguyên và Thư viện trường Đại học Kỹ thuật Công nghiệp Thái Nguyên 1 MỞ ĐẦU 1 Lý do chọn đề tài Mạng viễn thông được coi là cơ sở hạ tầng truyền thông của hiện tại và tương lai, cho phép tích hợp tất cả các dịch vụ lên trên nền một hệ thống phương tiện truyền thông duy nhất Một trong các vấn đề được quan tâm nghiên cứu hiện nay là việc xây dựng nên phương pháp để giải quyết các bài toán điều khiển lưu lượng thông minh trên mạng viễn thông hiện tại Nhằm giải quyết được vấn đề tránh tắc nghẽn và tối ưu hoá thời gian truyền nhận các gói dữ liệu thông qua các router trên mạng Quản lý hàng đợi nút lõi trên mạng lõi là các dòng lưu lượng tổ hợp Tại nút lõi, tốc độ dòng lưu lượng tổ hợp đến nó phải được ước lượng để làm cơ sở đưa ra các quyết định điều khiển Trễ truyền làm giảm độ chính xác của việc tính toán ước lượng tốc độ lưu lượng, thậm chí có thể làm cho thuật toán điều khiển trở nên mất ổn định Việc ước lượng lưu lượng được thực hiện dựa trên các thông tin giám sát được cũng như các số liệu quá khứ và các kết quả dự báo trước đó Thuật toán điều khiển sẽ duy trì giá trị độ dài xếp hàng tại bộ đệm xung quanh giá trị cân bằng mong muốn Việc ứng dụng phương trình trạng thái mô tả các đặc trưng của phần tử đại diện trong mạng viễn thông hiện đại dưới dạng các hệ thống có động học cần được quản lý, điều khiển và hệ động học phải đưa ra tín hiệu điều khiển Hiển nhiên chất lượng điều khiển, vận hành của các phần tử mạng càng cao khi mô hình toán học có khả năng mô tả càng chính xác các động học thực tế xảy ra trong hệ thống Nhưng để đáp ứng đòi hỏi đó kết quả của các quá trình mô phỏng là các mô hình toán học phức tạp có bậc rất cao, gây nhiều 2 phiền phức trong khi nắm bắt về hệ thống cũng như khó khăn nhằm thỏa mãn tính hội tụ, nhu cầu theo thời gian thực, Để điều khiển hệ thống theo thời gian thực thì chúng ta cần phải tìm cách tăng tốc độ tính toán của hệ điều khiển Với các lý do trên đề tài đề xuất việc xây dựng cấu trúc TMN nhằm quản lý các hàng đợi mạng động học xảy ra trên mạng viễn thông Từ đó tìm giải phảp để đơn giản hóa cấu trúc TMN cụ thể là sử dụng phương pháp giảm bậc mô hình, đồng thời nghiên cứu ảnh hưởng của TMN đối với hiệu năng và chất lượng dịch vụ của mạng viễn thông 2 Mục tiêu nghiên cứu Mục đích của luận văn là nghiên cứu và ứng dụng phương pháp giảm bậc mô hình đối với bài toán quản lý lưu lượng mạng để xây dựng cấu trúc mạng TMN theo góc độ lý thuyết hệ thống Đồng thời từ cấu trúc TMN xây dựng đánh giá hiệu năng và chất lượng dịch vụ của mạng viễn thông 3 Nội dung nghiên cứu - Đánh giá tổng quát về các phương pháp giảm bậc mô hình - Nghiên cứu giảm bậc mô hình theo phương pháp cân bằng nội - Bài toán quản lý hàng đơi AQM trong TMN - Áp dụng phương pháp giảm bậc mô hình theo phương pháp cân bằng nội vào bài toán quản lý hàng đợi tại các nút mạng trong TMN 4 Đóng góp của luận văn - Giảm bậc mô hình áp dụng theo phương pháp cân bằng nội sẽ giúp giảm độ phức tạp của thuật toán điều khiển, giảm thông tin thừa, tăng tốc độ xử lý 3 - Xây dựng được bài toán quản lý ứng dụng giảm bậc mô hình để đánh giá các tác động trong mạng viễn thông Áp dụng bài toán này để xây dựng cấu trúc mạng TMN cho các mạng viễn thông cụ thể Bản luận văn gồm 92 trang với 4 chương, tác giả đã tìm hiểu lý thuyết: • Kiến thức tổng quan về bài toán quản lý hàng đợi tích cực trong mạng viễn thông Và đưa ra một số bài toán đã xử lý hàng đợi • Nghiên cứu lý thuyết về phương pháp giảm bậc mô hình, ở đây luận văn chủ yếu đưa ra phương pháp giảm bậc cân bằng nội của Moore… •Áp dụng phương phương pháp giảm bậc mô hình cho bài toán quản lý hàng đợi tích cực AQM 5 KẾT CẤU LUẬN VĂN Ngoài các phần: Mở đầu, Mục lục, Thuật ngữ viết tắt và Kết luận, Luận văn được bố cục gồm 4 chương, 34 hình vẽ, 09 bảng biểu và 27 tài liệu tham khảo Chương 1: Tổng quan về quản lý hàng đợi Chương 2: Các phương pháp quản lý hàng đợi Chương 3: Giảm bậc mô hình theo phương pháp cân bằng nội Chương 4: Áp dụng giảm bậc mô hình cho bài toán quản lý hàng đợi tích cực AQM trong Viễn thông 4 CHƯƠNG 1 TỔNG QUAN VỀ QUẢN LÝ HÀNG ĐỢI Ngày nay, với sự bùng nổ và phát triển nhanh chóng của mạng Internet như hiện nay, hàng triệu chiếc máy tính trên thế giới đã có thể kết nối với nhau để chia sẻ tài nguyên lẫn nhau Ở một mức độ khác, Internet bao gồm nhiều máy tính chuyên dụng được gọi là các router được sử dụng làm cầu nối trung gian chuyển tải dữ liệu giữa các hệ thống với nhau Và những router này được kết nối với nhau bởi các mối liên kết truyền thông Trong một mạng máy tính lớn như vậy, nhiều hệ thống có thể đang sử dụng mạng cùng một lúc Và hiện tượng quá tải hay tắc nghẽn mạng xuất hiện khi những hệ thống này đồng thời truyền dữ liệu nhiều hơn mức mà các chương chình chuyển vận có thể thực hiện được Để giải quyết vấn đề này, người ta phải sử dụng những giải thuật phát hiện và điều khiển sự tắc nghẽn trong mạng Việc sử dụng các cơ chế điều khiển tắc nghẽn sẽ giúp các hệ thống cùng chia sẻ cơ sở hạ tầng mạng tốt hơn Ở chương này, luận văn giới thiệu chung về quản lý hàng đợi tích cực, nguyên nhân nghẽn mạng, mất dữ liệu, cơ chế truyền dữ liệu trong mạng và sự cần thiết phải quản lý hàng đợi: Hình 1.3: Ví dụ về nghẽn mạng 5 CHƯƠNG 2 CÁC PHƯƠNG PHÁP QUẢN LÝ HÀNG ĐỢI Một số lượng lớn các giải thuật quản lý hàng đợi tích cực ( AQM ) đã được người ta nghiên cứu và đề xướng trong nhiều năm gần đây Ở phần này, chúng ta sẽ đi nghiên cứu, tìm hiểu một số thuật toán quản lý hàng đợi tích cực như:  ECN (Explicit Congestion Notification) : Cơ chế thông báo tắc nghẽn  RED ( Random Early Detection): Cơ chế huỷ bỏ sớm ngẫu nhiên  WRED (Weighted Random Early Discarding ) : Cơ chế hủy bỏ sớm ngẫu nhiên có trọng số  ARED ( Adaptive - RED )  DRED ( Dynamic - RED )  SRED ( Stabilized - RED) CHƯƠNG 3 GIẢM BẬC MÔ HÌNH THEO PHƯƠNG PHÁP CÂN BĂNG NỘI a Giới thiệu bài toán giảm bậc mô hình Khái niệm cân bằng nội được Moore đề xuất đầu tiên năm 1981 và áp dụng để giải bài toán giảm bậc mô hình [13], được Perenbo và Silverman phát triển thêm năm 1982 [14] và năm 1984, được Glover xác định mối quan hệ với các chuẩn Hankel [15] Điều kiện cân băng nội được xây dựng trên cơ sở chéo hóa đồng thời hai Gramian đặc trưng cho khả năng điều khiển và quan sát của hệ thống 6 Cho một hệ tuyến tính, liên tục, tham số bất biến theo thời gian, có nhiều đầu vào, nhiều đầu ra, mô tả trong không gian trạng thái bởi hệ phương trình sau:  x = Ax + Bu y = Cx (3.1) trong đó, x ∈ R , u ∈ R , y ∈ R , A ∈ R , B ∈ R , C ∈ Rqxn n p q nxn nxp Mục tiêu của bài toán giảm bậc đối với mô hình mô tả bởi hệ phương trình đã cho trong (3.1) là tìm mô hình mô tả bởi hệ các phương trình:  xr = Ar xr + Br u yr = Cr xr (3.2) trong đó, xr ∈ R , u ∈ R , yr∈Rq, Ar ∈ Rrxr, Br ∈ Rrxp, Cr ∈ Rqxr, với r r p ≤ n; Sao cho mô hình mô tả bởi phương trình (3.2) có thể thay thế mô hình mô tả bởi phương trình trong (3.1) ứng dụng trong phân tích, thiết kế, điều khiển hệ thống R: là trường số thực PC[t1, t2] : là vành các hàm liên tục từng đoạn trong khoảng thời gian [t1, t2] Rm là không gian véc tơ Eculid m chiều PCm[t1, t2] là không gian véc tơ m chiều của các mẩu hàm liên tục từng đoạn trong khoảng thời gian [t1, t2] S là không gian con của Rn S⊥ là ký hiệu của phần bù trực giao của không gian con S 7 U là ma trận cơ sở trực giao của S, với mỗi cột của U là một cơ sở trực chuẩn của S Ánh xạ M: Rk → Rn : chiếu từ không gian véc tơ Rk đến không gian véc tơ Rn – tương ứng sẽ xác định được một ma trận M của ánh xạ M có kích thước là (k x m) hay M∈Rkxm – tập các ma trận số thực có kích thước (k x m) Ker(M) là hạt nhân của ánh xạ M – là tập tất cả các phần tử của R có ảnh là θ∈Rn (tập rỗng), ker(M) là không gian con của Rk k Ker(M) := {x | x∈Rk, M(x) = θ} Im(M) là ảnh của ánh xạ M – Là tập tất cả các phần tử của Rn là ảnh của ít nhất một phần tử của R k Im(M) là không gian con của Rn Im(M) := {y | y∈Rn, ∃x∈Rk, M(x) = y} MT là ma trận chuyển vị của ma trận M ||M|| chuẩn của một ma trận ||M||F : là chuẩn Eculid của ma trận M (hay chuẩn Frobenius) ||M||2 : là phổ tiêu chuẩn – chuẩn bậc 2 của ma trận M ||v|| chuẩn của một véctơ trong không gian Eculid Rn b Phương pháp giảm bậc mô hình theo phương pháp cân bằng nội Moore Để giảm bậc mô hình đối với một hệ được mô tả bởi phương trình trong (3.1)  x = Ax + Bu y = Cx (3.1) chúng tôi thực hiện theo thuật toán như sau: Bước 1: Kiểm tra tính ổn định tiệm cận và khả năng điều khiển được và quan sát được của mô hình (3.1) 8 Nếu A là ma trận ổn định (tất cả các giá trị riêng của A đều có phần thực âm) và hệ mô tả bởi phương trình trong (3.1) có khả năng điều khiển và quan sát hoàn toàn Gramian đặc trưng cho khả năng điều khiển và cho khả năng quan sát của hệ được có dạng: ∞ Wc = ∫ e At BB T e A t dt T 0 (3.86) ∞ Wo = ∫ e At C.C T e A t dt T 0 (3.87) Bước 2: Giải hệ phương trình Lyapunov: AWc + WcAT = -BBT (3.88) T A Wo + WoA = -CTC (3.89) Ta tìm được Wc Wo là các ma trận đối xứng, xác định thực dương Bước 3: Xác định Vc và Λc Vì Wc là ma trận đối xứng, xác định, thực dương nên luôn tồn tại một ma trận trực giao V c và một ma trận đường chéo Σc = diag (µ1,µ2 µn), trong đó (µ1 ≥ µ2 ≥ ≥ µn ≥ 0, sao cho:(Vc)TWcVc = (Σc)2 (3.90) Bước 4: Xác định P và Σ Từ Vc và Σc ta được xây dựng một ma trận đối xứng, xác định thực dương W = (VcΣc)TWo(VcΣc) (3.91) 12 tuyến, tuy nhiên đa số các hệ này có thể đưa về dạng mô hình động học tuyến tính với những giả thiết nhất định Vì vậy, hầu hết những công trình liên quan đến giảm bậc mô hình đã được công bố trên các tạp chí khoa học trong nước và quốc tế đều áp dụng cho đối tượng có động học tuyến tính Từ đây, chúng tôi đưa ra bài toán giảm bậc mô hình cho hệ tuyến tính áp dụng cho bài toán quản lý hàng đợi trong mạng viễn thông 4.2 Cấu trúc hệ thống điều khiển 4.2.1 Sơ đồ tổng quát Giả sử có một cấu hình mạng như hình 4.1 10Mbps Hình 4.1 Biểu diễn nút cổ chai từ A sang B 1 Hình 4.1 cho thấy nút cổ chai thể hiện qua kết nối giữa A và 15Mbps B Giữa A và B có tố độ truyền dữ liệu là 15Mbps (khoảng 15000 A B 2 gói/s) Mỗi một gói tin chứa khoảng 125 bytes và thời gian trễ 15ms khoảng 15ms Trên tất các các nguồn đến A có tốc độ 10Mbps và độ trễ là 15ms và độ lớn của hàng đợi là 300 gói Hàng đợi A được thực 15ms n hiện theo AQM và Drop-tail Giả sử nhân tố tải (số phiên của TCP) là 120 và q0=75 gói 13 4.2.2 Sơ đồ điều khiển Sơ đồ điều khiển AQM sử dụng có thể thấy trên hình 4.2 Hình 4.2 khiển u(k) Bộ điều Sơ đồ hệ thống điều khiển AQM W(s) Đối tượng Xây dựng W(s) q0 e(k) - q(k) + Có khả năng đưa các tri thức của các chuyên gian vào điều khiển hệ AQM + Bộ điều khiển + Đối tượng điều khiển + Có khả năng tìm biến toàn cục + Không nhất thiết phải có một vùng nhớ đệm lớn Với những lý do nêu trên hệ điều khiển sẽ được mô tả như sau: Trên hình 4.2 chúng ta giả thiết là hệ thống được mô tả [23] Các thông số được tính theo [24] khi đó ta có hàm truyền như sau ( RC ) 3 − e RS 4N 2 W(s)= => R 2C ( Rs + )( 1 s+) 1 2N C 2 − Rs e 2N 2 (4.1) 2N 1 ( s + 2 )( s + ) R R C W(s)= 14 Trong đó: C là tốc độ đường truyền (gói/s) q0 là giá trị hàng đợi mong muốn q là giá trị hàng đợi ở đầu ra N tải (số phiên của TCP) R là RTT; R=2(q/C +Tp) Tp là giá trị xác định P là xác suất mất gói/đánh dấu Nhận xét: Khi thiết kế 1 bộ điều khiển W c (s); độ phức tạp của bộ điều khiển phụ thuộc vào độ phức tạp của đối tượng W(s) Hơn nữa W c (s) thực tế đều thực hiện bằng bộ xử lý số vì vậy nếu W c (s) giảm độ phức tạp(có bậc thấp) thì sẽ tăng nhanh tốc độ tính toán điều này rất có ý nghĩa thực tế Vì vậy nội dung nghiên cứu của luận văn là tìm cách giảm bậc mô hình của đối tượng W(s) để giảm bậc W c (s) nhằm tăng tốc độ tính toán Tuy nhiên việc giảm bậc W(s) phải đảm bảo sai số không lớn hơn giá trị cho phép nào đó 4.3 Ứng dụng giảm bậc mô hình cho bài toán quản lý hàng đợi tích cực AQM 4.3.1 Bài toán quản lý hàng đợi Để có thể thực hiện xem xét môi trường làm việc của mạng Chúng ta lấy một ví dụ mô phỏng cụ thể như sau: Hệ thống mạng máy tính hoạt động như TCP/IP với các thông số như dưới đây: Cc là lưu lượng gói/s=100Mbps Rc là RTT = 0.03 s đường truyền với C c= 105 15 Nc = 30 load factor Các thông số trên được xác định trong khoảng C ∈ (0, Cc); R∈ (0, Rc); N∈ (Nc, +∞ ); * Hàm truyền của hệ thống AQM có thể được tính từ (4.1) 5 8 −0,03 s C 2 − Rs 10 e e 2 3 2N => W(s)= = 2 100 2N 1 ) ( s + 2 )( s + ) ( s + )( s + 3 3 R R C (4.2) 5 5 8 10 8 10 3.0,03 3 => W(s)= = 2 100 2 100 2 ( s + )( s + )(0,03s + 1) ( s + )( s + ) 3 3 3 3 (4.3) => W(s)= 1,67.108 0,03s 3 + 2,02s 2 + 35s + 33,33 (4.4) 4.3.2 Giảm bậc đối tượng theo phương pháp cân bằng nội Xét hàm truyền của hệ thống AQM ở trên W(s)= 1,67.108 0,03s 3 + 2,02s 2 + 35s + 33,33 Chuyển mô hình đối tượng sang dạng không gian trạng thái  x 3 = A3 x + B3 u y3 = C3 x 16 256 − 67.33 − 4.514 − 0.0113  256  B = 0  0 0 ; 4  có các tham số như sau: A3 =    0  0  256 0      ; C 4 = [ 0 0 331.1] Kiểm tra tính điều khiển được và quan sát được của hệ thống gốc bậc 3 Định thức của A3 là det(A3) = -740.5568; Các giá trị riêng của A3 là: -33.3318 + 0.3847i; -33.3318 - 0.3847i; -0.6665 Như vậy A3 là ma trận ổn định, hệ điều khiển được và quan sát được hoàn toàn Từ đây ta có: −1  − 0.0002 0  0  Vc =  1 0 ;  1 0 − 0.0002   0 12886 0 Σc =  0 167 0     0 0 22    và 1.51.1013 0 0  − 0.9782 0.2066 − 0.0198   − 0.1858 − 0.8292 0.5271  Σ =  9 P= 0 21.10 0   ;   0 0 0  0.0925 0.5193   0 0.84960 −0.0022    T = 0 − 0.0009 0.0103    − cân bằng nội là: 0.0032 0.0182 − 0.0298 Hệ thống gốc trong hệ   * *  x * = A3 x * + B3 u * y * = C3 x * Với các tham số: * A3 − 4.1735.10 6  − 10.5585   − 0.5761 6.7215 − 0.2528 − 18.1592 63.1077  B * == − 0.8815.10 6  ==     3 − 0.0844.10 6   − 0.0233 − 3.6958 − 48.5947      C4* =[-1.0734 6.0265 -9.8585] 17 Kết quả giảm bậc được cho trong bảng sau: Bảng 4.1: Mô hình không gian trạng thái và mô hình hàm truyền của các hệ giảm bậc Bậc Tham số hệ giảm bậc trong mô Mô hình hàm của hệ hình không gian trạng thái truyền giảm của hệ giảm bậc bậc 2 1  − 0.5761 6.7215  A2 =  ; − 0.2528 − 18.1592 − 8.325.10 5 s + 9.101.10 7 − 4.1735.10 6  B2 =  6  − 0.8815.10  C3 =[-1.0734 6.0265] A1 = [ − 0.5761] ; [ ] s 2 + 18.74 s + 12.16 4.48.10 6 s + 0.5761 B1 = − 4.1735.10 6 C1 =[-1.0734] Các kết quả tính toán được trên được lập trình trên MATLAB dưới dạng file.m Đánh giá chất lượng quá độ của hệ giảm bậc Sau khi tìm ra mô hình giảm bậc, để đánh giá chất lượng quá độ, ta sử dụng MATLAB/SIMULINK và vẽ các đáp ứng h(t) như hình 4.3 18 Hình 4.3 Đáp ứng h(t) hệ gốc và các hệ giảm bậc Từ kết quả mô phỏng cho thấy: Đáp ứng h(t) của hệ giảm bậc 2 trùng khít với hệ gốc, hệ giảm bậc 1 có sự sai khác so với hệ gốc, tuy nhiên sự sai khác này là rất nhỏ và hệ giảm bậc 1 hoàn toàn có thể đại diện cho hệ gốc ban đầu Đánh giá chất lượng của hệ giảm bậc trên miền tần số Để đánh giá chất lượng trong miền tần số, ta khảo sát đặc tính biên tần của hệ gốc và các hệ đã giảm bậc, kết quả như hình 4.4 19 Hình 4.4: Đặc tính biên tần hệ gốc và hệ giảm bậc Từ kết quả cho thấy, trong miền tần thấp A(ω) của hệ gốc và các hệ giảm bậc có sai khác rất ít, sai số A(ω) sẽ tăng khi tần số tăng 4.3.3 Một số kết quả mô phỏng Để đánh giá chất lượng của các bộ điều khiển gốc bậc 3 và chất lượng của hệ giảm bậc bậc 2, chúng tôi thực hiện thiết kê và mô phỏng trên Matlab Với yêu cầu của bộ điều khiển AQM sao cho giá trị đặt mong muốn là qo=200 gói và xem xét giá trị hàng đợi đầu ra q thay đổi trong thời gian hoạt động của mạng Các kết quả thu được khi chạy mô phỏng như sau: Hình 4.5 là dạng đáp ứng của gói dữ liệu đầu ra so với gói dữ liệu yêu cầu khi sử dụng bộ điều khiển có hàm truyền như hệ gốc bậc 3 nói trên, hình vẽ cho thấy các gói dữ liệu ở đầu ra tiệm cận sát với cận với số lượng gói dữ liệu yêu cầu là 200 gói 20 Hình 4.5 Gói tín hiệu đầu ra (đỏ) bám tín hiệu yêu cầu (xanh) của hệ điều khiển gốc bậc 3 Hình 4.6 Tín hiệu điều khiên mờ (đỏ) và tín hiệu sai số (xanh) của hệ gốc bậc 3 21 Kết quả đối với trường hợp sử dụng hệ điều khiển bậc 1 theo kết quả giảm bậc trên được thể hiện trên các hình vẽ 4.7 và 4.8 Ở hình vẽ 4.7 thể hiện đáp ứng của gói dữ liệu đầu ra so với gói dữ liệu yêu cầu khi sử dụng bộ điều khiển bậc 1 nói trên Hình vẽ cho thấy các gói dữ liệu ở đầu ra chưa tiệm cận sát với cận với số lượng gói dữ liệu yêu cầu là 200 gói tuy nhiên sai số này là có thể chấp nhận được Response: Goi du lieu dau ra , Goi du lieu yeu cau < Do> 500 400 300 200 100 0 0 5 10 15 20 25 30 35 40 45 50 Hình 4.7 Gói dữ liệu đầu ra tiệm cận vói gói dữ liệu yêu cầu -4 Control:Tin hieu dk< Do>, Error:Sai so dk x 10 1.5 q0=200 Trên hình 4.8 là tín hiệu điều khiển (đỏ) và tín hiệu sai số (xanh) giữa gói dữ liệu yêu cầu và gói dữ liệu đầu ra khi sử dụng bộ 1 điều khiển đã được giảm bậc (bậc 1): 0.5 0 0 5 10 15 20 25 30 35 40 45 50 100 0 0 5 10 15 20 25 30 35 40 45 50 45 50 22 -4 1.5 Control:T hieu dk< Do>, Error:Sai so dk x 10 1 0.5 0 0 5 10 15 20 25 30 35 40 Hình 4.8 Tín hiệu điều khiên mờ (đỏ) và tín hiệu sai số (xanh) KẾT LUẬN Qua việc áp dụng phương pháp giảm bậc mô hình đối với hệ thống điều khiển lưu lượng mạng trong mạng viễn thông, đối với bài toán cụ thể ở đây là cho đối tượng bậc 3 đầy đủ bậc, hệ giảm bậc 2, bậc 1chúng tôi thấy như sau: - Hệ thống điều khiển lưu lượng mạng trong mạng viễn thông cho hệ bậc 3 đầy đủ bậc yêu cầu phải đo được 3 trạng thái, trong khi thiết kế cho hệ giảm bậc 2 ta chỉ cần đo 2 trạng thái, số trạng thái cần đo đã giảm đi 1 trạng thái, điều này rất có ý nghĩa trong thực tế, bởi việc đo một trạng thái của hệ là không dễ dàng - Sai lệch tĩnh của hệ bậc 3 khi dùng bộ điều khiển của hệ giảm bậc 2 đạt được tương đương như khi dùng bộ điều khiển đủ bậc (St% = 0) Hệ bậc 3 khi dùng bộ điều khiển của hệ giảm bậc 2 có dao động (≤ 3 lần) và có quá điều chỉnh (nhỏ hơn 15%) (các thông số trên vẫn nằm trong phạm vi cho phép) trong khi dùng bộ điều khiển thì không có dao động và không có quá điều chỉnh Thời gian quá độ 23 và thời gian đáp ứng của hệ bậc 3 khi dùng bộ điều khiển của hệ giảm bậc 2 nhỏ hơn so với dùng bộ điều khiển đủ bậc Kết luận: Có thể dùng hệ giảm bậc 2 hoặc bậc 1 thay thế hệ gốc bậc 3 trong quá trình thiết kế hệ thống điều khiển theo kỹ thuật không gian trạng thái và dùng bộ điều khiển thu được để điều khiển hệ gốc bậc 3 đạt chất lượng tương đương như dùng bộ điều khiển đủ bậc trong khi ta chỉ cần đo 2 trong số 3 trạng thái của hệ, điều này rất có ý nghĩa trong thực tế Ý nghĩa khoa học và thực tiễn a Ý nghĩa khoa học: - Giảm bậc mô hình áp dụng theo phương pháp cân bằng nội sẽ giúp giảm độ phức tạp của thuật toán điều khiển, giảm thông tin thừa, tăng tốc độ xử lý - Xây dựng được bài toán quản lý ứng dụng giảm bậc mô hình để đánh giá các tác động trong mạng viễn thông b Ý nghĩa thực tiễn: Áp dụng bài toán này để xây dựng cấu trúc mạng TMN cho các mạng viễn thông cụ thể TÀI LIỆU THAM KHẢO [1] Nguyen Tuong Long Le Investigating the Effects of Active Queue Management on the Performance of TCP Applications [2] Võ Thanh Tú, Nguyễn Thúc Hải Tích hợp cơ chế điều khiển gói báo nhận và quản lý hàng đợi trong điều khiển lưu thông mạng [3] Kun I.Pack, Ph.D QOS IN PACKET NETWORKS The MITRE corporation USA [4] Jae Chug and Mark Claypool Analysis of Active Queue Management Computer Science Department Worcester Polytechnic Institute MA 01609 , USA 24 [5] Sally Floyd TCP and Explicit Congestion Notification Lawrence Berkeley Laboratory One Cyclotron Road, Berkelay ,CA 94704 [6] Aleksandar Kuzmanovic The Power of Explicit Congestion Notification [7] Michael E.Flannagan Cisco QoS [8] Sally Floyd and Van Jacobson Random Early Detection Gateways for Congestion Avoidance August 1993 [9] S.Floyd, L.Zang, V.Jacobson rfc2309:Recommendations on Queue Management and Congestion Avoidance in the Internet April 1998 [10] Sally Floyd “ RED: Discussions of Setting Parameters” November 1997 [11] Floyd Recommendation on using the “gentle” variant of RED March 2000 [12] Cisco Systems, Inc Cisco IOS Quality of Service Solutions Configuration Guide [13] Moore B C., Principal component analysis in linear systems: Controllability, observability, and model reduction , IEEE Trans Auto Contr., AC-26, 17-32, 1981 [14] Perenbo I, and Silverman L M., Model reduction via balanced state space repre-sentation, IEEE Trans Auto, contr., AC-27, 328-387, 1982 [15] Glover K., All optimal Hankel norm approximation of linear multivariable system and their L2 error bounds, IEEE Trans, Auto Contr., AC-29, 1105-1113, 1984 25 [16] Lastman G J and Sinha N K., A comparision of the blanced matrix and the aggregation methods of model reduction, IEEE Trans Auto Contr., AC-30 (4), 301-304, 1985 [17] Lastman G J and Sinha N K., Worst-case error analysis of the balanced matrix method of model reduction, Can I Elect And Comp Engg., 14, 18-23, 1989 [18] Prakash R and Rao S V., Model reduction by low-frequency approximation of internally balanced representation, Proc IEEE Conf Decision, Contr., Tampa, Florida, USA, 143-150, 1989 [19] Anderson J H., Geometrical approach to the reduction of dynamically systems, Proc IEE., 114, 1014-1018, 1967 [20] Davison E J., A method for simplifying linear dynamic systems, IEEE Trans Auto Contr., AC-11, 93-101, 1966 [21] Marshall S ., An approximate method for reducing the order of large systems, Contr Engineering, 10, 642-648, 1966 [22] Prakash R and Rao S V., Model reduction by low-frequency approximation of internally balanced representation, Proc IEEE Conf Decision, Contr., Tampa, Florida, USA, 143-150, 1989 [23] F Ren, C Lin (2003), Speed up reponsiveness Active Queue anagement Systems, Special Issue on Internet Technology III, Vol.E86B, No 2 [24] T Alvarez, S Cristea, AQM Control of TCP/IP Networks using Generalized Predictive Control [25] Prakash R and Rao S V., Model reduction by low-frequency approximation of internally balanced representation, Proc 26 IEEE Conf Decision, Contr., Tampa, Florida, USA, 143-150, 1989 [26] Sannuti P and Kokotovic S., Near Optimum design of liear systems using singular perturbation method, IEEE Trans Auto Contr., AC-14, 15-21, 1969 [27] Sanash Y., Stable reduced-order models using Pade-type approximations, IEEE Trans Auto Contr., AC-14, 27-32, 1969 ... toán xử lý hàng đợi • Nghiên cứu lý thuyết phương pháp giảm bậc mơ hình, luận văn chủ yếu đưa phương pháp giảm bậc cân nội Moore… •Áp dụng phương phương pháp giảm bậc mơ hình cho tốn quản lý hàng... toán quản lý hàng đơi AQM TMN - Áp dụng phương pháp giảm bậc mơ hình theo phương pháp cân nội vào toán quản lý hàng đợi nút mạng TMN Đóng góp luận văn - Giảm bậc mơ hình áp dụng theo phương pháp. .. lượng dịch vụ mạng viễn thông Mục tiêu nghiên cứu Mục đích luận văn nghiên cứu ứng dụng phương pháp giảm bậc mơ hình toán quản lý lưu lượng mạng để xây dựng cấu trúc mạng TMN theo góc độ lý thuyết