SDN流规则轻量探测技术研究
这是一篇关于软件定义网络,网络探测,流规则,时延,仿真系统的论文, 主要内容为软件定义网络(Software Defined Networking,SDN)作为一种新型的网络架构,其相较于传统网络架构的巨大优势使其成为引领将来网络发展方向的重要研究内容之一。利用SDN的数据平面和控制平面的分离的特点能够对网络中存在的诸多问题进行有效地解决,同时其独有的架构特点也为自身网络安全的维护带来了新的挑战。SDN网络的流规则是SDN数据平面进行数据转发的依据,反映了SDN网络的内部细节,是SDN网络的核心。SDN网络由于其网络配置的定制化、精细化的特点,呈现出与传统网络不一样的行为特征和时延属性,因而本文对面向SDN网络的流规则探测技术进行研究。本文深入分析了SDN网络的特点,在已有的针对SDN网络的探测技术的启发下,基于SDN结构上的特性提出了一种SDN网络流规则探测机制LDSFR,并对该机制的原理进行了详细的描述和仿真验证。同时,针对LDSFR机制存在的问题,进行了优化并提出了改进方案LDSFR-A。此外,为了方便进行SDN探测技术的仿真验证,本文还详细地介绍了基于Open vSwitch和Docker技术搭建的“SDN探测智能仿真系统”。本文的工作主要如下:1.针对SDN网络内流规则的探测问题,提出了一种基于SDN网络时延特性的轻量级流规则探测机制LDSFR。LDSFR的主要思想是对SDN网络处理数据包的行为进行观察,收集数据包的时延数据信息,经过计算处理推测出与数据包相匹配的流规则的存在性,从而知晓目标SDN网络内的交换机上的流规则内容。为了降低探测开销,LDSFR首先进行流规则匹配字段的确定,减少无效探测数据包的数量。然后使用空间搜索的方法对流规则有规律地进行探测,根据已探测到的信息构造接下来的探测数据包,提高探测的针对性,达到减少探测数据包数量的目的。本文对LDSFR机制进行了仿真验证,仿真结果显示,LDSFR探测机制能够对SDN网络的流规则进行高效地探测,相较于传统的探测方法,LDSFR探测机制能够在保证一定探测精度的同时有效地降低探测的开销。2.为了方便对SDN探测研究的理论算法及关键技术进行验证,实现了SDN探测智能仿真系统。仿真系统主要由用户界面、Web后台以及Overlay仿真网络平台三部分组成。其中Overlay网络是由Open vSwitch,Docker和SDN控制器搭建而成。同时为了方便使用,使用Web软件隐藏后台程序的调用,提供了图形化接口,可以实现定义拓扑、调用仿真程序、对仿真结果进行分析等一系列功能。
面向边缘的微服务路径选择及资源调度系统设计与实现
这是一篇关于边缘计算,微服务选择,工作流,时延,网络资源消耗的论文, 主要内容为随着物联网的发展,对业务的实时性、安全性、可靠性等需求提出了更高的要求,因此,复杂的物联网业务通过微服务架构分解为松散耦合的细粒度微服务,实现更高效的资源利用和灵活部署。边缘计算依托轻量级容器技术在靠近用户的边缘侧部署微服务容器实例,减少业务通信时延,提高安全性。业务的并发请求会为其自身每个微服务选择容器实例,形成服务执行路径,以期在约定时延约束内完成。然而,由于边缘节点的分布式特性和微服务应用复杂的工作流架构,如何为并发请求中具有依赖性的微服务选择容器实例以减少时延和网络资源消耗成为难题。此外,边缘节点通常资源受限,众多微服务争用边缘资源,需要考虑如何调度资源扩展容器实例减少关键微服务等待时间。因此研究面向边缘的微服务路径选择及资源调度问题对提升物联网业务的时延和业务完成质量具有重要意义。现有的边缘服务选择策略大多只考虑线性简单结构的请求,忽略了复杂工作流形式中微服务的相互依赖性,具有依赖关系的微服务选择彼此网络距离较远的容器实例会导致较大的通信时延和网络资源消耗,此外,并发的用户请求将争用服务实例,不合理的服务路径选择将产生非必要的等待时延,现有方案很难应对这一需求。针对如何为边缘计算环境中的并发请求选择合理的服务执行路径,保证业务的时延和网络资源消耗问题,本文提出了一种面向边缘的微服务路径选择机制,首先提出了基于容器的微服务选择三层架构,其次考虑了微服务之间的依赖性建立了请求时延模型和网络资源消耗模型,将问题转化为多约束条件下的最小平均时延和网络资源消耗的多目标优化问题。随后提出了基于优先级改进的蚁群算法,利用优先级机制优化任务调度顺序,并且利用蚁群算法收敛性获取全局最优结果。仿真结果表明,本文提出的微服务路径选择机制能有限满足并发请求的时延,减少网络资源的消耗。为验证微服务路径选择及调度机制的实际效果,本文实现了面向边缘的微服务路径选择及资源调度系统,设计并实现了资源监控、应用管理、容器调度、微服务路径选择等模块。具体来说,创建多台虚拟机模拟了边缘计算环境,建立网络拓扑,利用Redis、MySQL存储系统数据,利用容器集群管理工具Kubernetes实现了容器生命周期的管理,基于面向边缘的微服务路径选择机制实现了服务路径的选择,最后从功能方面对各模块进行了测试,展示了各个功能的实际运行效果,测试结果与期望结果一致。
面向边缘的微服务路径选择及资源调度系统设计与实现
这是一篇关于边缘计算,微服务选择,工作流,时延,网络资源消耗的论文, 主要内容为随着物联网的发展,对业务的实时性、安全性、可靠性等需求提出了更高的要求,因此,复杂的物联网业务通过微服务架构分解为松散耦合的细粒度微服务,实现更高效的资源利用和灵活部署。边缘计算依托轻量级容器技术在靠近用户的边缘侧部署微服务容器实例,减少业务通信时延,提高安全性。业务的并发请求会为其自身每个微服务选择容器实例,形成服务执行路径,以期在约定时延约束内完成。然而,由于边缘节点的分布式特性和微服务应用复杂的工作流架构,如何为并发请求中具有依赖性的微服务选择容器实例以减少时延和网络资源消耗成为难题。此外,边缘节点通常资源受限,众多微服务争用边缘资源,需要考虑如何调度资源扩展容器实例减少关键微服务等待时间。因此研究面向边缘的微服务路径选择及资源调度问题对提升物联网业务的时延和业务完成质量具有重要意义。现有的边缘服务选择策略大多只考虑线性简单结构的请求,忽略了复杂工作流形式中微服务的相互依赖性,具有依赖关系的微服务选择彼此网络距离较远的容器实例会导致较大的通信时延和网络资源消耗,此外,并发的用户请求将争用服务实例,不合理的服务路径选择将产生非必要的等待时延,现有方案很难应对这一需求。针对如何为边缘计算环境中的并发请求选择合理的服务执行路径,保证业务的时延和网络资源消耗问题,本文提出了一种面向边缘的微服务路径选择机制,首先提出了基于容器的微服务选择三层架构,其次考虑了微服务之间的依赖性建立了请求时延模型和网络资源消耗模型,将问题转化为多约束条件下的最小平均时延和网络资源消耗的多目标优化问题。随后提出了基于优先级改进的蚁群算法,利用优先级机制优化任务调度顺序,并且利用蚁群算法收敛性获取全局最优结果。仿真结果表明,本文提出的微服务路径选择机制能有限满足并发请求的时延,减少网络资源的消耗。为验证微服务路径选择及调度机制的实际效果,本文实现了面向边缘的微服务路径选择及资源调度系统,设计并实现了资源监控、应用管理、容器调度、微服务路径选择等模块。具体来说,创建多台虚拟机模拟了边缘计算环境,建立网络拓扑,利用Redis、MySQL存储系统数据,利用容器集群管理工具Kubernetes实现了容器生命周期的管理,基于面向边缘的微服务路径选择机制实现了服务路径的选择,最后从功能方面对各模块进行了测试,展示了各个功能的实际运行效果,测试结果与期望结果一致。
面向边缘的微服务路径选择及资源调度系统设计与实现
这是一篇关于边缘计算,微服务选择,工作流,时延,网络资源消耗的论文, 主要内容为随着物联网的发展,对业务的实时性、安全性、可靠性等需求提出了更高的要求,因此,复杂的物联网业务通过微服务架构分解为松散耦合的细粒度微服务,实现更高效的资源利用和灵活部署。边缘计算依托轻量级容器技术在靠近用户的边缘侧部署微服务容器实例,减少业务通信时延,提高安全性。业务的并发请求会为其自身每个微服务选择容器实例,形成服务执行路径,以期在约定时延约束内完成。然而,由于边缘节点的分布式特性和微服务应用复杂的工作流架构,如何为并发请求中具有依赖性的微服务选择容器实例以减少时延和网络资源消耗成为难题。此外,边缘节点通常资源受限,众多微服务争用边缘资源,需要考虑如何调度资源扩展容器实例减少关键微服务等待时间。因此研究面向边缘的微服务路径选择及资源调度问题对提升物联网业务的时延和业务完成质量具有重要意义。现有的边缘服务选择策略大多只考虑线性简单结构的请求,忽略了复杂工作流形式中微服务的相互依赖性,具有依赖关系的微服务选择彼此网络距离较远的容器实例会导致较大的通信时延和网络资源消耗,此外,并发的用户请求将争用服务实例,不合理的服务路径选择将产生非必要的等待时延,现有方案很难应对这一需求。针对如何为边缘计算环境中的并发请求选择合理的服务执行路径,保证业务的时延和网络资源消耗问题,本文提出了一种面向边缘的微服务路径选择机制,首先提出了基于容器的微服务选择三层架构,其次考虑了微服务之间的依赖性建立了请求时延模型和网络资源消耗模型,将问题转化为多约束条件下的最小平均时延和网络资源消耗的多目标优化问题。随后提出了基于优先级改进的蚁群算法,利用优先级机制优化任务调度顺序,并且利用蚁群算法收敛性获取全局最优结果。仿真结果表明,本文提出的微服务路径选择机制能有限满足并发请求的时延,减少网络资源的消耗。为验证微服务路径选择及调度机制的实际效果,本文实现了面向边缘的微服务路径选择及资源调度系统,设计并实现了资源监控、应用管理、容器调度、微服务路径选择等模块。具体来说,创建多台虚拟机模拟了边缘计算环境,建立网络拓扑,利用Redis、MySQL存储系统数据,利用容器集群管理工具Kubernetes实现了容器生命周期的管理,基于面向边缘的微服务路径选择机制实现了服务路径的选择,最后从功能方面对各模块进行了测试,展示了各个功能的实际运行效果,测试结果与期望结果一致。
直流电能路由器用并联DC/DC变换器网络控制系统
这是一篇关于并联DC/DC变换器,网络控制系统,滑模控制,离散化,时延,量化器的论文, 主要内容为随着不可再生能源的紧缺,分布式可再生能源发电大量出现,随之孕生出可实现电能变换与能量流动控制的电能路由器。并联直流变换器(DC/DC Converter)可在额定电压下提供更大的输出功率,且无需使器件承受更大的电流应力,因此适用于电能路由器之中。然而其应用受网络控制中的传输时延与量化问题所影响,因此本文旨在研究并联DC/DC变换器网络控制系统(Networked Control System,NCS)的信号时延与量化问题,从控制算法设计、系统离散化、信号传输时延补偿和信号量化影响四个方面,研究网络控制问题对系统性能的影响,并进行改进。在连续域中通过结合滑模控制(Sliding Mode Control,SMC)和主从均流策略设计了并联DC/DC变换器的均流控制算法。考虑到所设计的控制算法需借助离散数字控制器来实现,所以对SMC系统进行离散化处理。研究了离散化对控制系统性能影响的机理,基于离散滑模存在条件推导出保证离散控制系统稳定的采样时间的约束条件,并通过仿真和实验揭示了离散采样周期对系统性能的影响关系,为控制算法移植提供理论指导。针对并联DC/DC变换器NCS的信号量化问题,首先在连续域中将量化器模型包含在控制器的设计之中,以此研究SMC系统的量化效应,根据滑模存在条件推导出量化步长的约束条件,揭示了量化器对系统性能的影响关系。接着进一步在离散域分析了量化器对控制系统的影响,推导出保证离散控制系统稳定的采样周期与量化步长的约束条件,为量化SMC系统的参数选择提供指导。针对并联DC/DC变换器NCS的信号传输时延问题,提出了一种基于缓冲区法和多步预估法的时延补偿方法。考虑NCS中信号传输时延对控制系统的干扰,分析了随机长/短时延对系统性能的影响,得到长时延的影响不可忽略。由此将随机长时延包含在控制器的设计之中,通过设计缓冲区以及利用多步预估法对系统控制信号进行超前预测,实现信号传输时延的补偿,缓解时延的影响。针对并联DC/DC变换器控制算法验证问题,在dSPACE实时仿真系统的基础上,设计了电压和电流采样与驱动电路,实现基于dSPACE的并联DC/DC变换器控制系统半实物仿真平台的搭建。接着参考dSPACE平台,利用DSP 28335数字控制器搭建了并联DC/DC变换器的NCS,以实现控制算法的移植。
基于有限时间的全驱动船舶轨迹跟踪与编队控制
这是一篇关于全驱动船舶,有限时间控制,轨迹跟踪,编队控制,输入受限,速度不可测,时延,神经网络的论文, 主要内容为全驱动船舶(Fully-actuated surface vessel,FASV,hereafter called SV)兼具灵活的操纵性、较高的安全性、控制算法设计的简便性等优势,在海上货物运输、海底勘探、海洋观测等海洋作业领域具有广泛应用。本课题以三自由度SV为研究对象,基于有限时间控制算法,考虑外部扰动、模型动态部分/完全未知、速度不可测、输入饱和、固定/时变时延等实际问题,利用神经网络、自适应、微分跟踪器、辅助系统、时基发生器、状态预估器等技术手段,分别对单SV的轨迹跟踪,多SV的编队控制进行了系统研究。本文主要研究内容如下:(1)针对遭受复合未知项(包括时变扰动和未建模动态)、速度不可测、输入饱和的SV,设计了输入受限SV的有限时间自适应轨迹跟踪输出反馈控制器。此控制器采用有限时间微分跟踪器对位置信号进行滤波,得到较为准确的速度信号;设计自适应辅助系统克服执行器饱和引起的不良影响;引入径向基神经网络逼近未建模动态,提高抗干扰性和鲁棒性;并且设计自适应律估计神经网络拟合误差与扰动和的上界,提高控制精度;最后,引入非奇异终端滑模(Nonsingular terminal sliding mode,NTSM)和指数趋近律实现有限时间控制。通过Lyapunov稳定性理论可以证明闭环系统所有误差信号的渐近稳定性,位置和速度跟踪误差信号的有限时间稳定性。仿真结果表明,此算法相比于传统滑模控制器追踪精度更高、收敛速度更快,微分跟踪器能获得准确的位置和速度信号,神经网络能高精度识别复合未知项,输入饱和情况下系统依然可以高精度追踪期望轨迹。(2)针对带有固定输入时延、动态完全未知、时变扰动的SV,设计了基于预测算法的输入时滞SV固定时间自适应编队控制策略。此策略首先采用状态预测器对位置、速度信号进行预估,并详细论证了状态预测器误差的最终一致有界性;在状态预估器中,采用预估器径向基神经网络对复合未知项进行估计,增强抗干扰能力;然后利用状态变换方程构造与位置和速度相关的新状态,考虑新状态间的关系,并引入固定时间NTSM和固定时间趋近律实现固定时间控制;对于变换后方程中存在的不确定因素,设计自适应律对其上界进行合理逼近。通过Lyapunov理论可以证明整个闭环系统的误差渐近收敛于零,位置和速度协同与跟踪误差的固定时间稳定性。数值仿真验证了本文算法的有效性,状态预估器预估效果好,神经网络逼近精度高,时滞系统最终固定时间稳定。(3)考虑输入受限,针对遭受时变通信时延、动态完全未知、时变扰动的SV,设计了考虑输入受限的通信时滞SV固定时间自适应编队控制算法。该算法将时变通信时延分为两部分,即固定部分和微时变部分;结合预估器径向基神经网络和状态预估器技术预测位置和速度在固定时延期间的演变,并引入状态变换方程获取新状态为在固定时间内实现编队打下基础;对于变换后系统中存在的不确定项,设计自适应律逼近其上界;最后,建立基于时基发生器的固定时间自适应NTSM面,结合固定时间趋近律,在实现固定时间编队控制的同时,降低了输入饱和现象发生的可能性,提高了收敛品质。通过Lyapunov稳定性理论可以证明闭环编队所有误差信号一致最终有界,位置、速度跟踪误差信号固定时间收敛。仿真结果表明状态预估器估计误差较小、有界,神经网络具有高精度预测能力,自适应律设计光滑合理,系统最终能克服时滞约束,以更小的力和力矩平滑地在固定时间内实现编队。综上所述,本文对单SV和多SV编队基于有限时间算法的轨迹跟踪和同步跟踪控制展开了研究。在单SV轨迹跟踪方面,解决了系统不确定、速度难测、输入饱和等问题。在多SV同步与跟踪控制方面,针对遭受时延和复合未知项的二阶非线性多智能体系统,给出了一种典型的基于预测策略的控制方法。期间,还解决了输入受限问题,改善了系统瞬态性能。本文控制算法设计具有较高的挑战性、工况符合实际,具有一定的理论价值和工程应用价值。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设导航 ，原文地址：https://m.bishedaima.com/lunwen/54755.html
