2 主通道模糊控制系统设计 本文模糊模型参考学习控制器引入了参考模型的学习机制对模糊控制的知识库进行修正。由于高速网络中分组丢弃机制需要较强的实时性，因此本文提出的控制方法采用了模糊反向推理机制对主控制器的参数进行修正，以满足系统的实时性要求。拥塞控制系统输入为平均队列长度与期望队列长度的偏差以及偏差的变化率，系统输出为所计算的丢弃概率。主通道模糊控制器是一个双输入单输出结构的控制器，输入变量为A，B(队列偏差、偏差变化率)，输出变量为C(控制量丢弃概率)。控制规则表示为
Ri：if A is Ai and B is Bj then C is Ck (3)
其中Ai，Bj，Ck分别表示语言词集。主通道模糊控制器的输入为E和EC，输出为U，设定E，EC和U的论域均为：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}。对应的模糊语言子集为{NB(负大)、N(负中)、NS(负小)、ZO(零)、PS(正小)、PM(正中)、PB(正大)}。通过比例因子ke和kec将偏差e和ec转换为模糊学习控制器的输入论域E和EC，通过量化因子ku将控制器的输出转化为实际控制量。E=exke和EC=ecxkec其中()为取整运算。在模糊模型参考学习控制器中，控制规则可以得到在线实时调整，每个输出与输入可以用一定的对应关系来表示：
U=<axE+(1-α)xEC>，α∈[0，1] (4)
通过调整α，就可以根据不同交通网络状况、不同时刻的误差和误差变化率来调整控制规则。当平均队列长度与期望队列长度之间的偏差较大时，或者当网络的业务量突发性能较强时，误差对输出的影响应超过误差变化率的影响，α的值应取得较大以获取较好的稳定性。反之，α的值可取得小些以提高系统控制精度。模糊模型参考学习控制就是利用参考模型的输出与实际输出的误差及其变化率实时在线地调整α的值来达到调整控制规则的目的。为了使模糊模型参考学习控制器做到实时在线推理，对模糊模型参考学习控制器的推理过程进行了改进。
