潘豐旻， 江 明， 周加文， 葛 愿

(安徽工程大學，安徽 蕪湖 241000)

0 引 言

網絡控制系統(tǒng)(Networked Contorl Systems，NCS)于1999年出現在馬里蘭大學Walsh的論著中，該系統(tǒng)利用通信媒介使控制回路形成閉環(huán)[1]。與傳統(tǒng)的控制系統(tǒng)不同，它采用多樣的網絡連接方式提高了系統(tǒng)組件的靈活性，在智能電網、智能交通等領域有著巨大的應用前景[2-3]。融合了計算機技術和通信技術的NCS，除了控制算法影響其性能好壞以外，合理地調度計算機的網絡資源也十分必要.NCS的網絡服務質量指標包括時延、丟包和吞吐量等。由于網絡的不穩(wěn)定性必然引入時延、丟包等問題[4-6]。因此，要在NCS的網絡傳輸部分采用合適有效的隊列管理算法。

進行實驗模擬是研究分析NCS性能的高效方法。NCS模擬工具主要包括MATLAB、OPNET以及NS2.MATLAB的TrueTime工具箱在控制策略方面的模擬功能強大，但其網絡模塊的功能相對薄弱，模擬NCS網絡環(huán)境中的隊列管理機制較為困難；OPNET具有很強的網絡功能，但這款商用軟件使用費較為高昂；而NS2作為一款開源免費的軟件，它采用分裂對象模型的方式，利用Otcl語言搭建網絡拓撲結構，C++語言實現具體協議，達到了模擬配置靈活性和仿真運行高效性的統(tǒng)一[7-9]，受到越來越多的重視。如高文宇等人提出的網絡仿真軟件NS2中隊列調度算法的擴展[10]。楊故等提出的基于NS2的改進隊列管理算法及其實現[11]。高鵬等人基于NS2的主動隊列管理算法的仿真與分析[12]等。為此，本文首先設計NCS中的優(yōu)先級隊列管理算法；其次利用NS2搭建一個網絡傳輸模型，并調用隊列管理算法進行仿真實驗；最后進行實驗數據的分析和實驗結果的總結。

1 基于NS2的優(yōu)先級隊列管理算法實現

1.1 隊列管理算法

網絡業(yè)務流以數據分組的形式在網絡中傳輸。它們流經不同網絡節(jié)點時會采取隊列緩存、延遲轉發(fā)等服務方式，而隊列管理的作用就在于此。能通過丟棄或者標記這些數據分組來管理網絡傳輸節(jié)點中的隊列緩沖資源。隊列管理主要分為主動式隊列管理及被動式隊列管理。主動式隊列管理算法通過預測分組的狀態(tài)特性，在網絡擁塞還未發(fā)生之前就按照預先的設定進行相應的棄包，從而有效控制隊列緩沖區(qū)的長度，其中的典型算法為RED；而被動式隊列管理算法在隊列緩沖區(qū)設置了固定的數據分組存儲上限，當隊列中接收到的分組達到上限值，則啟動棄包機制，其中典型算法有DropTail算法。驗證隊列管理算法性能的好壞，要從業(yè)務需求和算法復雜程度出發(fā)，結合時延、丟包、吞吐量等因素進行綜合討論,而兩種典型算法的算法性能如表1所示。

主動隊列管理算法結構較為復雜，增加設備開銷，平均時延相對較高，網絡吞吐量也相對較低。其參數設置敏感并且網絡響應相對滯后，并沒有在網絡當中得到大量使用；相比之下，雖然被動式隊列管理算法丟包率相對較高，但其相對較低的延時特性以及簡單的算法結構，在實際網絡中仍獲得廣泛使用。

1.2 PDropTail算法設計

NCS因為系統(tǒng)業(yè)務類型復雜，不同業(yè)務之間對于網絡服務質量往往有著不同需求，需要在保持較低時延和較高吞吐量的基礎上進行優(yōu)先級區(qū)分服務。所以新的算法具有優(yōu)先級識別機制，它在選擇棄包方面不再是直接“棄尾”，而是綜合考慮了隊列中數據分組的優(yōu)先級情況：當數據分組進入節(jié)點的隊列緩沖區(qū)時，若緩沖區(qū)為未滿狀態(tài)，則仍然按照先進先出的原則實行隊列管理；若緩沖區(qū)為已滿狀態(tài)，則啟動優(yōu)先級識別機制，選取隊列緩沖區(qū)隊頭前兩個數據分組進行優(yōu)先級比較。若第一個數據分組的優(yōu)先級較高，則選擇丟棄隊列尾的數據分組，否則丟棄隊列頭。PDropTail隊列管理算法原理如圖1所示。

表1 隊列管理算法性能對比

圖1 PDropTail隊列管理算法原理圖

1.3 PDropTail算法在NS2中的實現

利用NS2仿真軟件進行PDropTail算法的設計，首先需要在NS2中進行算法腳本的編譯與添加。而PDropTail算法的優(yōu)先級識別機制和棄包選擇機制的部分核心程序代碼如下：

void PDropTail::enque(Packet* p)

{

……

int qlimBytes = qlim_ * mean_pktsize_;

if ((!qib_ && (q_->length() + 1) >= qlim_) ||

(qib_&&(q_->byteLength()+hdr_cmn::access(p)

->size()) >= qlimBytes))

{

int prio1,prio2;

prio1=HDR_IP(q_->lookup(0))->prio();

prio2=HDR_IP(q_->lookup(1))->prio();

if(prio2>prio1) {

q_->enque(p);

Packet* pp=q_->deque();

drop(pp);

}

else {

drop(p);

}

} else {

q_->enque(p);

}

}

qib_&&(q_->byteLength()+hdr_cmn::access(p)函數部分是對緩沖區(qū)的狀態(tài)進行判斷，若隊列為滿狀態(tài)，則啟動優(yōu)先級比較機制對隊列頭前兩個數據分組的優(yōu)先級prio1和prio2進行比較。該比較機制中若第二個數據分組的優(yōu)先級更大則強制丟棄隊頭數據分組drop(pp)；若第一個數據分組優(yōu)先級大則強制丟棄隊尾分組drop(p)。而當隊列狀態(tài)為未滿時，數據分組將直接進入隊列緩沖區(qū)enque(p)。

2 基于NS2的網絡模擬與算法性能分析

2.1 搭建網絡拓撲結構

利用NS2仿真軟件搭建如圖2所示的NCS網絡傳輸模型。搭建該模型的步驟包括節(jié)點設置以及鏈路配置兩方面。從節(jié)點設置方面考慮，標號為8、9的兩節(jié)點設為路由節(jié)點，0、1、2、3節(jié)點設為發(fā)送節(jié)點，4、5、6、7設置為接收節(jié)點；從鏈路配置方面考慮，兩路由節(jié)點間的瓶頸鏈路帶寬設為1.7 M，時延設為20 ms，其余鏈路帶寬均設為2 M，時延為設10 ms。這樣的拓撲結構設計和帶寬配置主要為了讓數據分組在傳輸過程中產生一定的網絡擁塞情況。

在0到4,1到5,2到6以及3到7鏈路之間各建立一條UDP聯機，并在UDP聯機之上建立CBR流量發(fā)生器.為了模擬4個不同優(yōu)先級業(yè)務，需要對數據分組的IP包頭設置優(yōu)先級。將4種業(yè)務的優(yōu)先級分別設置為1、2、3、4，其中數字越大為優(yōu)先級越高，在網絡中將獲得優(yōu)先服務。網絡模型搭建完成后，分別調用兩種算法進行模擬實驗，模型正常工作后會出現如下的動畫效果如圖2所示。網絡模型搭建的主要代碼如下：

set n8 [MYMns node]

set n9 [MYMns node] //路由節(jié)點設置

MYMns duplex-link MYMn8 MYMn9 1.7M 20ms 算法

MYMns queue-limit MYMn8 MYMn9 10

for {set i 0} {MYMi<3} {incr i} {

set s(MYMi) [MYMns node]

set d(MYMi) [MYMns node]

MYMns duplex-link MYMs (MYMi) MYMn8 2M 10ms 算法

MYMns duolex-link MYMn9 MYMd (MYMi) 2M 10ms 算法

//發(fā)送節(jié)點、接收節(jié)點設置以及鏈路參數配置

set udp (MYMi) [new Agent/UDP]

set null (MYMi) [new Agent/Null]

MYMns attach-agent MYMs (MYMi) MYMudp (MYMi)

MYMns attach-agent MYMd (MYMi) MYMnull (MYMi)

MYMns connect MYMudp (MYMi) MYMnull (MYMi)

MYMudp (MYMi) set fid_ MYMi

MYMudp (MYMi) set prio_ MYMi //建立udp聯機

set cbr (MYMi) [new Application/Traffic/CBR]

MYMcbr (MYMi) attach-agent MYMudp (MYMi)

} //cbr流量發(fā)生器設置

圖2 網絡模擬動畫效果

2.2 隊列管理算法性能分析與比較

調用兩種算法下的業(yè)務時延情況如圖3所示，其中業(yè)務cbr1為獲得最高優(yōu)先級的業(yè)務，cbr4為優(yōu)先級最低的業(yè)務。調用兩種算法下，當模擬時間在0.3 s之前，網絡業(yè)務量都不斷上升，節(jié)點緩沖區(qū)中的數據分組不斷增多導致網絡時延不斷增大。但此時由于緩沖區(qū)為未滿狀態(tài)，隊列管理機制仍采取“先進先出”的原則，此時，兩種算法下的網絡時延情況大體一致。當數據分組在隊列緩沖區(qū)開始擁塞的情況下，DropTail算法采取“棄尾”機制不停丟棄隊尾分組。而PDropTail算法采取優(yōu)先級識別和棄包選擇機制后，高優(yōu)先級業(yè)務獲得優(yōu)先服務，相比DropTail算法就得到了更低的時延。因此兩種算法下的時延情況有較大不同。而表2為不同業(yè)務流的平均網絡時延情況。

圖3 兩種算法下的時延情況

表2兩種算法下的業(yè)務流平均時延

算法業(yè)務分組時延/scbr1cbr2cbr3cbr4DropTail0.052 0860.064 0970.082 4840.080 544PDropTail0.053 0870.060 7260.066 660.065 628

明顯可以看出在調用PDropTail算法時，不同業(yè)務的時延基本低于DropTail算法下的時延，事實證明新算法能保證較低的網絡時延。而兩種算法下的實時網絡丟包率情況如圖4所示。兩種算法的實際網絡丟包情況如表3。

圖4 兩種算法下的丟包率情況

表3兩種算法下的業(yè)務流丟包情況

算法業(yè)務分組丟包(/125個)cbr1cbr2cbr3cbr4DropTail951022313PDropTail92101328

由圖形和表格數據可知：兩種算法下的實時丟包率均隨著模擬時間逐步上升。雖然兩種算法情況下的總丟包數保持一樣的水平，但是調用PDropTail算法下確保了優(yōu)先級較高的業(yè)務cbr4獲得優(yōu)先服務，保證了其較低的網絡丟包情況。 調用兩種算法的網絡吞吐量情況如圖5所示。圖5反映了新算法能保持與DropTail算法幾乎一致的高吞吐量。因此，通過時延、丟包和吞吐量等方面因素的實驗對比分析，驗證了新算法對于優(yōu)先級業(yè)務具有一定區(qū)分服務的能力，能保證較高優(yōu)先級業(yè)務較低的網絡時延和丟包率，也能確保業(yè)務在網絡傳輸過程中較高的吞吐量。

圖5 兩種算法下的吞吐量情況

3 結束語

本文利用NS2對NCS的網絡傳輸模型進行模擬仿真，設計添加了優(yōu)先級隊列管理算法，并在實驗中對DropTail算法、PDropTail算法的性能進行了分析比較。從實驗數據中可以得出，PDropTail算法能為NCS中具有不同優(yōu)先級的業(yè)務提供更好的區(qū)分服務，保證較高優(yōu)先級業(yè)務具有較低的網絡傳輸延時、較低的網絡低丟包率，同時也繼承了DropTail算法較高吞吐量的優(yōu)點。因此，實驗模擬的結果達到了預期效果。

參考文獻：

[1] WALSH G, HONG Y, BUSHNELL L. Stability analysis of networked control systems[J]. American Control Conference, 1999. Proceedings of the 1999 ,14(4):2876-2880

[2] IPACCHI A, ALBUYEH F. Grid of the future[J]. Power and Energy Magazine, IEEE ,2009,7(2):52-62

[3] WANG Feiyue. Parallel Control and Management for Intelligent Transportation Systems: Concepts, Architectures, and Applications[J]. Intelligent Transportation Systems, IEEE Transactions on,2010,11(3):630-638

[4] YUE Dong, HAN Qinglong, CHEN Peng. State feedback controller design of networked control systems[J]. Circuits and Systems II: Express Briefs, IEEE Transactions on,2004,51(11):640-644

[5] WU Jing, CHEN Tongwen. Design of Networked Control Systems With Packet Dropouts[J]. Automatic Control, IEEE Transactions on,2007,52(7):1314-1319

[6]WANG Xiaofeng. LEMMON M. Event-Triggering in Distributed Networked Control Systems[J]. Automatic Control, IEEE Transactions on,2011，56(3):586-601

[7] 徐雷鳴，龐博，趙耀.NS 與網絡模擬[M].北京：人民郵電出版社，2003

[8] 于斌，孫斌.NS2 與網絡模擬[M].北京：人民郵電出版社，2007

[9] 柯志亨，程榮祥，鄧德雋.NS2 仿真實驗——多媒體和無線網絡通信[M].北京：電子工業(yè)出版社，2009

[10] 高文宇,王建新,陳松喬. 網絡仿真軟件NS2中隊列調度算法的擴展[J].系統(tǒng)仿真學報,2006(2):521-525

[11] 楊吉文,張衛(wèi)東.基于NS2的主動隊列管理仿真研究[J].計算機工程，2006(17):189-191

[12] 高鵬,戴旭初. 基于NS的主動隊列管理算法的仿真與分析[J]. 計算機仿真,2006(5):98-100,155