基于神經(jīng)網(wǎng)絡(luò)的云機(jī)器人服務(wù)質(zhì)量控制方法研究

高昂, 胡延蘇, 李立欣, 段渭軍, 張會(huì)生

(1.西北工業(yè)大學(xué) 電子信息學(xué)院, 陜西 西安 710072; 2.長(zhǎng)安大學(xué) 電子與控制工程學(xué)院, 陜西 西安 710064)

云機(jī)器人是云計(jì)算與機(jī)器人學(xué)的結(jié)合，機(jī)器人本身不需要存儲(chǔ)全部信息或具備超強(qiáng)的計(jì)算能力，只在必要的時(shí)候連接相關(guān)云端服務(wù)并獲得所需信息[1-2]。云機(jī)器人卸載的任務(wù)以會(huì)話(session)的形式被分割成多個(gè)作業(yè)流，由云端多個(gè)宿主主機(jī)上的虛擬資源并行處理。在網(wǎng)絡(luò)接入方面，為了提高機(jī)器人節(jié)點(diǎn)在復(fù)雜環(huán)境下的生存能力，往往采用去中心化的自組織網(wǎng)絡(luò)，所有節(jié)點(diǎn)共享信道并采用CSMA/CA(carrier sense multiple access/collision avoidance)的方式競(jìng)爭(zhēng)接入[3]。

由于云端應(yīng)用的實(shí)時(shí)性差異，對(duì)服務(wù)質(zhì)量的需求不盡相同；各類機(jī)器人節(jié)點(diǎn)基于自身處理能力、任務(wù)環(huán)境、突發(fā)事件等差異，對(duì)網(wǎng)絡(luò)和云端資源的競(jìng)爭(zhēng)不可避免[4-5]；尤其是異構(gòu)的、跨層融合的“瘦客戶端”型機(jī)器人的廣泛存在，使得網(wǎng)絡(luò)傳輸控制只能由底層的MAC 和物理層收發(fā)器來(lái)完成。

這方面的研究往往基于多隊(duì)列隔離的結(jié)構(gòu)，如QS-MAC[6](QoS-based MAC)，PRIN[7](priority in node)，AS-MAC[8](asynchronous scheduled MAC)，RF-MAC[9](RF energy harvesting MAC), CACC[10](cross-layer based adaptive congestion and contention)，DRAS[11](data rate adjustment scheme)和QoS-OFDMA[12](QoS-orthogonal frequency division multiple access) 等，進(jìn)而通過(guò)控制不同隊(duì)列的資源占用，如退避窗口[6]、幀間間隔[7]、活動(dòng)時(shí)間[8]、發(fā)射功率[9]、TCP擁塞窗口[10]、數(shù)據(jù)速率[11]或子信道競(jìng)爭(zhēng)次數(shù)[12]，實(shí)現(xiàn)具有區(qū)分服務(wù)的接入控制。所采用的方法包括參數(shù)同步、中心節(jié)點(diǎn)調(diào)度和資源預(yù)留等。無(wú)論哪種方法，在特定場(chǎng)景下均可實(shí)現(xiàn)一定的吞吐量和延遲性能改善[13-14]。然而，這些研究均是從系統(tǒng)實(shí)現(xiàn)或協(xié)議設(shè)計(jì)的角度進(jìn)行驗(yàn)證，缺少對(duì)系統(tǒng)的穩(wěn)定性、動(dòng)態(tài)性能等的理論分析。因此，本文針對(duì)云機(jī)器人系統(tǒng)服務(wù)質(zhì)量差異化需求和資源能量受限等特點(diǎn)，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的雙閉環(huán)接入控制方法(BP neuron network based feedback control MAC,BPFD-MAC)，在最大化能量利用率前提下，同時(shí)實(shí)現(xiàn)絕對(duì)服務(wù)質(zhì)量和相對(duì)服務(wù)質(zhì)量保證：針對(duì)絕對(duì)QoS約束，建立活動(dòng)時(shí)間閉環(huán)(active time-loop，AT-loop)，根據(jù)實(shí)測(cè)延遲，動(dòng)態(tài)調(diào)整節(jié)點(diǎn)MAC傳輸?shù)幕顒?dòng)時(shí)間；針對(duì)相對(duì)QoS約束，建立退避窗口閉環(huán)(contention window-loop， CW-loop)，根據(jù)不同優(yōu)先級(jí)實(shí)際延遲比，調(diào)整它們退避時(shí)間的初始上限;同時(shí)，設(shè)計(jì)基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器，利用神經(jīng)網(wǎng)絡(luò)非線性自學(xué)習(xí)和自訓(xùn)練的特點(diǎn)，對(duì)控制器的參數(shù)進(jìn)行自適應(yīng)校正；實(shí)驗(yàn)表明，在網(wǎng)絡(luò)高負(fù)載下，BPFD-MAC具有更高的吞吐量和能量利用率，在網(wǎng)絡(luò)低負(fù)載下，具有更低的能耗。

1 支持QoS的接入控制模型

基于BP神經(jīng)網(wǎng)絡(luò)的接入控制模型如圖1所示，按照云端卸載任務(wù)的不同，MAC層形成的幀流(frame flow)可以被分為“I+J”類不同的優(yōu)先級(jí);在每個(gè)機(jī)器人節(jié)點(diǎn)上,這些不同的優(yōu)先級(jí)在相互隔離的隊(duì)列中按照CSMA/CA 的方式共享信道。其中,I類幀流,要求點(diǎn)對(duì)點(diǎn)的性能滿足約束(1)式,稱之為絕對(duì)QoS約束;J類幀流,要求點(diǎn)對(duì)點(diǎn)性能指標(biāo)關(guān)系滿足約束(2)式,稱之為相對(duì)QoS約束。

ζi≤Li,i=1,2,…I

(1)

ζjζj+1=δjδj+1,j=I+1,…I+J-1

(2)

式中,ζ為實(shí)際測(cè)量的QoS指標(biāo)(ζ可以是丟包率,節(jié)點(diǎn)帶寬,吞吐量等指標(biāo)。不失一般性,本文采用點(diǎn)對(duì)點(diǎn)平均延遲),Lj為期望的QoS指標(biāo),δj是固有優(yōu)先級(jí)參數(shù)。δj越小, 作業(yè)的期望延遲越低,業(yè)務(wù)類的優(yōu)先級(jí)越高。無(wú)論是幀流的分類策略還是QoS指標(biāo)和固有優(yōu)先級(jí)參數(shù)的取值,都可以采用上層協(xié)議動(dòng)態(tài)協(xié)商或系統(tǒng)提前固化的方式,本文不再贅述。

圖1 基于BP神經(jīng)網(wǎng)絡(luò)的雙閉環(huán)接入控制模型

1.1 “N+1”模型

實(shí)際上,服從絕對(duì)約束的I類幀流和服從相對(duì)約束的J類幀流可統(tǒng)一為 “N+1”模型。

由AT-loop控制節(jié)點(diǎn)的活動(dòng)時(shí)間,保證最高優(yōu)先級(jí)業(yè)務(wù)類S的絕對(duì)延遲ζS=LS,(按公式(3)選擇最高優(yōu)先級(jí)類);剩余的N(N=I+J-1)類幀流由CW-loop分別控制其退避窗口大小,從而保證相互間的延遲比恒定。故(1)式和(2)式可以重寫為:

ζS=LS,S=min(Li)

(3)

(4)

(5)

式中,(4)式保證了所有絕對(duì)QoS約束的延遲等于其約束值Li;(5)式保證了不同優(yōu)先級(jí)的相對(duì)QoS約束的延遲比恒定,從而避免了網(wǎng)絡(luò)擁塞時(shí)低優(yōu)先級(jí)被過(guò)分“犧牲”。

1.2 活動(dòng)時(shí)間閉環(huán)

活動(dòng)時(shí)間閉環(huán)(圖1的藍(lán)色虛線方框)通過(guò)動(dòng)態(tài)調(diào)整活動(dòng)時(shí)間,實(shí)現(xiàn)絕對(duì)延遲保證和能耗管理。當(dāng)網(wǎng)絡(luò)流量較大,增大活動(dòng)時(shí)間以減小碰撞概率;反之,減小活動(dòng)時(shí)間以節(jié)省能耗。AT控制器采用BP神經(jīng)網(wǎng)絡(luò)的方法實(shí)現(xiàn)系統(tǒng)反饋和控制器參數(shù)自整定。根據(jù)絕對(duì)延遲偏差eS(k)=ζS(k)-LS,調(diào)整下一個(gè)采樣周期的活動(dòng)時(shí)間TS(k+1)。同時(shí),偏差eS和活動(dòng)時(shí)間TS作為輸入輸出訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

需要注意的是,對(duì)優(yōu)先級(jí)S來(lái)說(shuō),其在單一節(jié)點(diǎn)傳輸中所占的比例是動(dòng)態(tài)變化的。AT-loop閉環(huán)通過(guò)對(duì)TS的控制消除偏差eS。但是,在競(jìng)爭(zhēng)窗口閉環(huán)里,接入時(shí)間的變化量ΔTS,實(shí)際上最終會(huì)被多個(gè)業(yè)務(wù)類以LD-BEB(見(jiàn)1.3節(jié))的方式消耗,并再次影響測(cè)量延遲ζ。盡管如此,得益于負(fù)反饋控制的自適應(yīng)性,可以將活動(dòng)時(shí)間和競(jìng)爭(zhēng)窗口進(jìn)行解耦,單獨(dú)控制。

1.3 競(jìng)爭(zhēng)窗口閉環(huán)

競(jìng)爭(zhēng)窗口閉環(huán)(圖1的紅色虛線方框)通過(guò)控制退避窗口的大小,實(shí)現(xiàn)各優(yōu)先級(jí)的差異化接入概率。然而, IEEE 802.11 CSMA/CA協(xié)議所采用的二進(jìn)制指數(shù)退避算法(binary exponential back-off,BEB),本身不具備接入概率控制能力。

因此,本文在BEB基礎(chǔ)上提出一種差分二進(jìn)制退避機(jī)制(linear-differ BEB,LD-BEB),為各類優(yōu)先級(jí)引入縮放向量X(k)=[x1(k),x2(k),…xN-1(k)]T:當(dāng)MAC層有幀發(fā)送并且信道空閑時(shí),在競(jìng)爭(zhēng)窗口[0,xi(k)·Wmin-1],1≤xi(k)≤WmaxWmin內(nèi)隨機(jī)延遲一段時(shí)間后,再由物理層發(fā)送;若發(fā)生碰撞,則窗口大小以指數(shù)速率增加[0,Wτ-1]。其中

Wτ=min(xi(k)·2τWmin,Wmax)

(6)

與活動(dòng)時(shí)間閉環(huán)類似,CW控制器同樣采用基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制器。神經(jīng)網(wǎng)絡(luò)的輸入為延遲比誤差E(k)=Y(k)-Yr,輸出為縮放向量X(k)其中:

Yr=[y1r,y2r,…y(N-1)r]T

Y(k)=[y1(k),y2(k),…yN-1(k)]T

yir=τi∑Nl=1τl,yi(k)=ζi(k)∑Nl=1ζl(k)i=1,2,…,N

(7)

2 BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制器設(shè)計(jì)

由于網(wǎng)絡(luò)拓?fù)涞膭?dòng)態(tài)變化和任務(wù)的突發(fā)性,無(wú)論是活動(dòng)時(shí)間閉環(huán)還是競(jìng)爭(zhēng)窗口閉環(huán)都展現(xiàn)出典型的非線性和時(shí)變性。本文利用神經(jīng)網(wǎng)絡(luò)非線性自學(xué)習(xí)和自訓(xùn)練的特點(diǎn),對(duì)控制器的參數(shù)進(jìn)行自適應(yīng)校正,以保證負(fù)載變化情況下,控制器的有效性和穩(wěn)定性。

2.1 控制器結(jié)構(gòu)

以競(jìng)爭(zhēng)窗口閉環(huán)為例,其控制系統(tǒng)由經(jīng)典的PID控制器和BP神經(jīng)網(wǎng)絡(luò)兩部分組成。經(jīng)典增量式數(shù)字PID的控制算式為:

u(k)=u(k-1)+KP(e(k)-e(k-1))+

KIe(k)+KD(e(k)-2e(k-1)+e(k-2))

(8)

BPFD-MAC通過(guò)神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、加權(quán)系數(shù)調(diào)整,從而獲得某種最優(yōu)控制規(guī)律下PID控制器相關(guān)參數(shù)KP,KI,KD。此時(shí),(8)式可重寫為:

u(k)=f[u(k-1),KP,KI,KD,e(k),

e(k-1),e(k-2)]

(9)

式中,f(·)是與KP,KI,KD,u(k-1),e(k)等有關(guān)的非線性函數(shù)。

2.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

機(jī)器人節(jié)點(diǎn)計(jì)算資源有限,神經(jīng)網(wǎng)絡(luò)應(yīng)能在較低的復(fù)雜度下實(shí)現(xiàn)參數(shù)的快速收斂。本文采用如圖2所示的3層BP結(jié)構(gòu)。

圖2 用于參數(shù)自適應(yīng)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1) 輸入層的輸出:

,j=1,2,3

(10)

2) 隱含層的輸入輸出:

(11)

3) 輸出層的輸入

取性能指標(biāo)函數(shù)

Q(k)=0.5(rin(k)-yout(k))2

(13)

按Q(k)對(duì)加權(quán)系數(shù)的負(fù)梯度方向搜索調(diào)整,并附加使搜索快速收斂全局極小的慣性項(xiàng),則有:

式中,η為學(xué)習(xí)率,γ為慣性系數(shù)。而:

因此,輸出層權(quán)計(jì)算公式為:

(16)

同理,可得隱含層權(quán)重計(jì)算公式為:

(17)

綜上,基于BP神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自適應(yīng)算法如表1所示。

表1 基于BP神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自適應(yīng)算法

3 實(shí)驗(yàn)結(jié)果與分析

本文針對(duì)BPFD-MAC設(shè)計(jì)了3組對(duì)比實(shí)驗(yàn)。分別討論其動(dòng)態(tài)性能,能量消耗和靜態(tài)性能。各機(jī)器人節(jié)點(diǎn)采用ZigBit 900無(wú)線模塊(784/868/915 MHz IEEE 802.15.4模塊)實(shí)現(xiàn)去中心的自組織網(wǎng)絡(luò)。其內(nèi)部集成了ATmega1281V 微控制器和AT86RF212 射頻收發(fā)器。借助于Atmel 提供的AVR2025開(kāi)發(fā)包,在微控制器內(nèi)部構(gòu)建多隊(duì)列結(jié)構(gòu)進(jìn)行不同業(yè)務(wù)流的性能隔離,進(jìn)而調(diào)整射頻芯片內(nèi)部的隊(duì)列選擇、退避窗口大小和活動(dòng)時(shí)間,實(shí)現(xiàn)動(dòng)態(tài)AT和CW調(diào)整。AVR2025開(kāi)發(fā)包還提供了API回調(diào)函數(shù),當(dāng)幀數(shù)據(jù)被成功發(fā)送時(shí),通過(guò)對(duì)回調(diào)函數(shù)的間隔,能夠計(jì)算出點(diǎn)對(duì)點(diǎn)的平均傳輸延遲。

20個(gè)機(jī)器人節(jié)點(diǎn)隨機(jī)部署在直徑100 m的圓形區(qū)域內(nèi),射頻發(fā)射功率1 mW,Wmin=23,Wmax=28,τmax=3。每個(gè)節(jié)點(diǎn)向其他19個(gè)節(jié)點(diǎn)(根據(jù)唯一不變的地址)發(fā)送連續(xù)的數(shù)據(jù)傳輸,數(shù)據(jù)報(bào)文在MAC層被打包為MAC幀流,進(jìn)行多跳傳輸。各節(jié)點(diǎn)根據(jù)發(fā)送節(jié)點(diǎn)和目的節(jié)點(diǎn)地址以及自身存儲(chǔ)的路由表,對(duì)MAC幀進(jìn)行接收、存貯和轉(zhuǎn)發(fā)。采用AODV(ad hoc on-demand distance vector)路由協(xié)議。在每個(gè)節(jié)點(diǎn)上,由單獨(dú)的進(jìn)程(定時(shí)器)進(jìn)行路由表的周期性維護(hù)(路由維護(hù)和路由發(fā)現(xiàn))。MAC幀之間的發(fā)送間隔服從均值為-tlog(1-G)的正態(tài)分布,其中G為歸一化發(fā)送速率(offered traffic),G=tR(0

AT-loop和CW-loop均采用3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),自適應(yīng)調(diào)整PID控制器的參數(shù),相關(guān)初始參數(shù)的選擇如表2所示。

表2 BPFD-MAC神經(jīng)網(wǎng)絡(luò)初始參數(shù)

需要說(shuō)明的是,文獻(xiàn)[15]中已經(jīng)將FD-MAC與其他基于QoS區(qū)分服務(wù)的MAC協(xié)議進(jìn)行了對(duì)比,并證明了其優(yōu)越性。因此,本文僅就BPFD-MAC和FD-MAC進(jìn)行實(shí)驗(yàn)比較。

3.1 動(dòng)態(tài)性能驗(yàn)證

動(dòng)態(tài)性能關(guān)注QoS指標(biāo)隨時(shí)間變化的情況,用來(lái)評(píng)價(jià)控制器的性能。實(shí)驗(yàn)中采用“off-and-then-on”方式模擬階躍信號(hào)。實(shí)驗(yàn)共持續(xù)600 s:0～200 s無(wú)控制器作用,節(jié)點(diǎn)工作在標(biāo)準(zhǔn)IEEE 802.15.4 MAC方式下;200～400 s, 僅CW-loop工作,節(jié)點(diǎn)工作在 FD-MAC方式下;400～600 s,AT-loop和CW-loop同時(shí)作用,節(jié)點(diǎn)工作在BPFD-MAC方式下。

假設(shè)網(wǎng)絡(luò)中存在3類應(yīng)用,其中Pri 1為實(shí)時(shí)應(yīng)用產(chǎn)生的幀流,Pri 2和Pri 3 分別為BE(best effort)幀流。針對(duì)云機(jī)器應(yīng)用場(chǎng)景,設(shè)計(jì)了2組對(duì)比試驗(yàn)。強(qiáng)約束場(chǎng)景(strong time constraint,STC)和弱約束(weak time constraint,WTC)場(chǎng)景。對(duì)前者,絕對(duì)QoS約束為ζ1≤LSTC=2 ms,模擬負(fù)載變強(qiáng)時(shí),高優(yōu)先級(jí)QoS指標(biāo)小于實(shí)際延遲的場(chǎng)景;對(duì)后者,ζ1≤LWTC=6 ms,模擬負(fù)載強(qiáng)度降低時(shí),QoS指標(biāo)要求大于實(shí)際延遲的場(chǎng)景。2類場(chǎng)景下BE幀流的相對(duì)QoS約束均為ζ2ζ3=δ2δ3=23。

圖3 STC:絕對(duì)QoS約束ζ1≤LSTC=2 ms

1) 圖3a)和圖4a)為STC和WTC場(chǎng)景下節(jié)點(diǎn)1～5(其余15個(gè)節(jié)點(diǎn)情況類似)的點(diǎn)對(duì)點(diǎn)延遲變化情況。0～200 s(802.15.4 MAC),各類幀流的延遲沒(méi)有明顯區(qū)別;200～400 s(FD-MAC),盡管不同優(yōu)先級(jí)的平均延遲出現(xiàn)了明顯差異,但Pri 1沒(méi)有滿足絕對(duì)延遲約束要求,即LSTC=2 ms或LWTC=6 ms;400～600 s(BPFD-MAC),不僅區(qū)分的情況仍然顯著,幀流Pri 1的絕對(duì)延遲也分別降低到2 ms和增加到6 ms;

2) 圖3b)和圖4b)為STC和WTC場(chǎng)景下2類BE幀流的延遲比。顯見(jiàn),200～400 s,無(wú)論是FD-MAC還是BPFD-MAC,均能很好地保證延遲比恒定;同時(shí)BPFD-MAC還具有絕對(duì)延遲控制能力。

3) 圖3c)和圖4c)為STC和WTC場(chǎng)景下節(jié)點(diǎn)吞吐量情況。在前400 s(802.15.4和FD-MAC),節(jié)點(diǎn)的吞吐量沒(méi)有明顯變化,這與之前的研究結(jié)論相符[15];400～600 s(BPFD-MAC),STC場(chǎng)景下,絕對(duì)延遲越小,對(duì)應(yīng)的節(jié)點(diǎn)吞吐量越大;WTC場(chǎng)景反之。這說(shuō)明,相對(duì)于802.15.4 MAC和FD-MAC,CSFD-MAC在STC場(chǎng)景下,增加節(jié)點(diǎn)的活動(dòng)時(shí)間,能夠提高信道的時(shí)間利用率和吞吐量,進(jìn)而降低延遲;反之,在WTC場(chǎng)景下,降低節(jié)點(diǎn)的活動(dòng)時(shí)間以節(jié)省能耗,同時(shí)吞吐量降低。這與本文的初衷相符。

圖4 WTC:絕對(duì)QoS約束ζ1≤LWTC=6 ms

3.2 能量效率

能量效率和生存時(shí)間是云機(jī)器人節(jié)點(diǎn)等自組織智能群體網(wǎng)絡(luò)構(gòu)建時(shí)必須考慮的因素。本文采用“均幀能耗”(power consumption per successful transition frame)度量節(jié)點(diǎn)的能量效率,均幀耗能越小,能力效率越高;總能量消耗(total power consumption)評(píng)價(jià)節(jié)點(diǎn)的生存時(shí)間,在總能量一定的情況下,總能量消耗越少,節(jié)點(diǎn)的生存時(shí)間越長(zhǎng)。

通常,提高能量效率意味著節(jié)點(diǎn)在網(wǎng)絡(luò)傳輸中應(yīng)避免不必要的浪費(fèi),如碰撞導(dǎo)致的數(shù)據(jù)重傳和靜態(tài)電路消耗等;降低總能量消耗意味著節(jié)點(diǎn)應(yīng)盡可能多地處于休眠狀態(tài)。圖5為STC場(chǎng)景和WTC場(chǎng)景下,節(jié)點(diǎn)1～5的平均幀能量消耗和總能量消耗。不失一般性,圖5僅顯示了最高優(yōu)先級(jí)(Pri 1)和最低優(yōu)先級(jí)(Pri 3)的幀流能量消耗情況。

圖5 STC和WTC場(chǎng)景下的平均幀能量消耗和總能量消耗情況

1) 200～400 s(FD-MAC),無(wú)論STC還是WTC場(chǎng)景(見(jiàn)圖5a)、圖5c)),均幀能耗和總能耗均大于0～200 s(802.15.4 MAC)。原因是過(guò)小的競(jìng)爭(zhēng)窗口增加了碰撞的概率,由此產(chǎn)生的數(shù)據(jù)重傳浪費(fèi)了部分的能量并降低了能量利用效率。

2) 400～600 s(BPFD-MAC),STC場(chǎng)景下(見(jiàn)圖5a))均幀能耗降低,能量效率增加;而WTC場(chǎng)景下(見(jiàn)圖5c)),均幀能耗幾乎不變。這是由于STC場(chǎng)景下,增加的吞吐量(見(jiàn)圖3c))遠(yuǎn)超過(guò)了碰撞概率升高導(dǎo)致的能耗增長(zhǎng);而WTC場(chǎng)景下,吞吐量和總能耗都降低了,且這兩者數(shù)值上基本抵消。

3) 400～600 s(BPFD-MAC),STC和WTC場(chǎng)景下,節(jié)點(diǎn)總能量消耗也是不同。STC場(chǎng)景下(見(jiàn)圖5b)),總能量消耗要大于WTC場(chǎng)景(見(jiàn)圖5d)),這是由于在WTC場(chǎng)景下,節(jié)點(diǎn)活動(dòng)時(shí)間較短,避免了不必要的電路消耗。

4) 值得注意的是:相對(duì)于FD-MAC,在STC場(chǎng)景下,BPFD-MAC有更高的能量效率(更低的均幀能耗)和近乎相同的生存時(shí)間;在WTC場(chǎng)景下,BPFD-MAC有更長(zhǎng)的生存時(shí)間(更低的總能耗)和近乎相同的能量效率。

3.3 靜態(tài)性能

在STC場(chǎng)景下,BPFD-MAC犧牲生存時(shí)間(更高的總能量消耗,見(jiàn)圖5b)),獲取了更高的吞吐量(見(jiàn)圖3c))和更低的延遲(見(jiàn)圖3a))。實(shí)際上,云機(jī)器人等智能群體自組織網(wǎng)絡(luò)中,STC場(chǎng)景更為常見(jiàn),因此重點(diǎn)針對(duì)STC場(chǎng)景,在不同負(fù)載強(qiáng)度下,進(jìn)行統(tǒng)計(jì)性能分析。結(jié)果如圖6所示。負(fù)載強(qiáng)度(offered traffic)沿著Y軸(logarithm scale)增加,X軸方向依次表示為IEEE 802.15.4 MAC, FD-MAC 和 BPFD-MAC,Z軸方向分別為吞吐量(見(jiàn)圖6a))和均幀能耗(見(jiàn)圖6b)):

1) 圖6a)中,相對(duì)802.15.4和FD-MAC,BPFD-MAC不僅支持絕對(duì)延遲和相對(duì)延遲保證,并且能夠同時(shí)提高高優(yōu)先級(jí)和低優(yōu)先級(jí)的吞吐量;而 FD-MAC相對(duì)于802.15.4 MAC,雖然也能夠?qū)崿F(xiàn)延遲的區(qū)分,但節(jié)點(diǎn)總的吞吐量沒(méi)有顯著變化(所有優(yōu)先級(jí)吞吐量之和沒(méi)有明顯變化)。

圖6 STC場(chǎng)景下,不同MAC協(xié)議的靜態(tài)性能對(duì)比

2) 圖6b)中,在各種負(fù)載強(qiáng)度下,BPFD-MAC的均幀能耗明顯低于FD-MAC和802.15.4。這表明,BPFD-MAC有更好的能量效率。在STC場(chǎng)景下,工作在BPFD-MAC方式下的節(jié)點(diǎn)活動(dòng)時(shí)間增加,降低了碰撞發(fā)生的可能,而碰撞和重傳造成的能量消耗要遠(yuǎn)大于電路消耗(收發(fā)器發(fā)射狀態(tài)功耗(10 mW),約為電路功耗的10倍(1 mW))。

4 結(jié) 論

本文從控制角度，研究了云機(jī)器人動(dòng)態(tài)任務(wù)卸載模式下，網(wǎng)絡(luò)傳輸?shù)姆?wù)質(zhì)量控制問(wèn)題，提出并實(shí)現(xiàn)了一種基于BP神經(jīng)網(wǎng)絡(luò)的雙閉環(huán)接入控制方法(BPFD-MAC)，在最大化能量利用率的同時(shí)，實(shí)現(xiàn)多種優(yōu)先級(jí)傳輸?shù)慕^對(duì)服務(wù)質(zhì)量和相對(duì)服務(wù)質(zhì)量保證。

通過(guò)雙閉環(huán)控制結(jié)構(gòu)，將絕對(duì)QoS約束和相對(duì)QoS約束解耦，一方面，根據(jù)高優(yōu)先級(jí)的延遲控制節(jié)點(diǎn)活動(dòng)時(shí)間，滿足絕對(duì)約束，另一方面，根據(jù)不同優(yōu)先級(jí)的延遲比，調(diào)整它們退避時(shí)間的初始上限，保持相對(duì)延遲比例關(guān)系恒定，滿足相對(duì)約束。最后，采用基于BP神經(jīng)網(wǎng)絡(luò)的PID方法進(jìn)行控制器設(shè)計(jì)。

實(shí)驗(yàn)表明，BPFD-MAC相對(duì)于FD-MAC，不僅能夠在負(fù)載動(dòng)態(tài)變化時(shí)同時(shí)提供相對(duì)和絕對(duì)QoS保證，并且在STC場(chǎng)景下，節(jié)點(diǎn)具有更高的吞吐量(平均提高了18%)和能量利用率(均幀能耗平均降低了14%)，在WTC場(chǎng)景下具有更低的能耗。

參考文獻(xiàn)：

[1] Wan J, Tang S, Yan H, et al. Cloud Robotics: Current Status and Open Issues[J]. IEEE Access, 2016, 4: 2797-2807

[2] Kehoe B, Patil S, Abbeel P, et al. A Survey of Research on Cloud Robotics and Automation[J]. IEEE Trans on Automation Science and Engineering, 2015,12(2): 398-409

[3] Li F, Wan J, Zhang P, et al. Usage-Specific Semantic Integration for Cyber-Physical Robot Systems[J]. ACM Trans on Embedded Computing Systems, 2016, 15(3):50

[4] Chaisiri S, Lee B S, Niyato D. Robust Cloud Resource Provisioning for Cloud Computing Environments[C]∥IEEE International Conference on Service-Oriented Computing and Applications, 2011:1-8

[5] Pandey P, Pompili D, Yi J. Dynamic Collaboration between Networked Robots and Clouds in Resource-Constrained Environments[J]. IEEE Trans on Automation Science & Engineering, 2015, 12(2):471-480

[6] Saxena N, Roy A, Shin J. Dynamic Duty Cycle and Adaptive Contention Window Based QoS-MAC Protocol for Wireless Multimedia Sensor Networks[J]. Computer Networks, 2008, 52(13):2532-2542

[7] Subramanian A K, Paramasivam I. Prin: A Priority-Based Energy Efficient MAC Protocol for Wireless Sensor Networks Varying the Sample Inter-Arrival Time[J]. Wireless Personal Communications, 2016, 92(3):1-19

[8] Jang Beakcheol, Lim J B, Sichitiu M L. An Asynchronous Scheduled MAC Protocol for Wireless Sensor Networks[J]. Computer Networks, 2013, 57(1): 85-98

[9] Naderi M Y, Nintanavongsa P, Chowdhury K R. Rf-Mac: A Medium Access Control Protocol for Rechargeable Sensor Networks Powered by Wireless Energy Harvesting[J]. IEEE Trans on Wireless Communications, 2014, 13(7):3926-3937

[10] Chang B J, Chen S P. Cross-Layer-Based Adaptive Congestion and Contention Controls for Accessing Cloud Services in 5G IEEE 802.11 Family Wireless Networks[J]. Computer Communications, 2017, 106: 33-45

[11] Zen Y, BandRmal N, BayLm C. Two Tiered Service Differentiation Mechanism for Wireless Multimedia Sensor Network MAC Layers[C]∥Signal Processing and Communications Applications Conference, 2015:2318-2321

[12] 周潤(rùn), 李波, 楊懋,等. 面向Qos的下一代Wlanofdma多址接入?yún)f(xié)議[J]. 西北工業(yè)大學(xué)學(xué)報(bào), 2017, 35(4):683-689

Zhou Run, Li Bo, Yang Mao, et al. QoS-Oriented OFDMA MAC Protocol for the Next Generation WLAN[J]. Journal of Northwestern Polytechnical University, 2017, 35(4): 683-689 (in Chinese)

[13] Natkaniec M, Kosek-Szott K, Szott S, et al. A Survey of Medium Access Mechanisms for Providing QoS in Ad-Hoc Networks[J]. IEEE Communications Surveys & Tutorials, 2013, 15(2):592-620

[14] Barua S, Afroz F, Islam S S, et al. Comparative Study on Priority Based QoS Aware Mac Protocols for Wsn[J]. International Journal of Wireless & Mobile Networks, 2014, 6(5): 175-181

[15] Gao A, Hu Y. A Feedback Approach for Qos-Enhanced MAC in Wireless Sensor Network[J]. Journal of Sensors, 2016, 2016: 1-12