Using classical control theory for node buffer control of delay tolerant networks

Abstract

Els satèl·lits no tenen un comportament autònom pel que fa a l'adquisició i transmissió de dades. En un entorn proper a la Terra amb pocs dispositius i connectivitat fiable, això no suposa una limitació pel que poden ser operats manualment gairebé en temps real. No obstant, amb major nombre de satèl·lits i en enentorns de Delay Tolerant Network (DTN), on la connectivitat és inestable i interrompuda amb llargues demores, cal confiar en l'automatització.

En aquest aspecte, ja s'han realitzat estudis utilitzant el Reinforcement Learning per gestionar la memòria d'un node DTN amb resultats prometedors. Tot i així, aquests mètodes requereixen de molt temps de simulació i no són aptes per a ser implementats en els ordinadors de a bord. Es podria entendre, però, com un agent de control centralitzat amb resultats i xarxes neuronals delegades als satèl·lits. En aquest projecte, es presenta un enfocament més lleuger utilitzant Teoria de Control Clàssica modelant el node DTN com un sistema de cues on la taxa de transmissió s'ajusta automàticament per mantenir un estat concret de la memòria.

En aquest aspecte, ja s'han realitzat estudis utilitzant el Reinforcement Learning per gestionar la memòria d'un node DTN amb resultats prometedors. No obstant això, aquests mètodes requereixen de molt temps de simulació i no són aptes per a ser implementats en els ordinadors de a bord. Es podrien entendre, però, com un agent de control centralitzat amb resultats i xarxes neuronals delegades als satèl·lits. En aquest projecte, es presenta un enfocament més lleuger utilitzant Teoria de Control Clàssica modelant el node DTN com un sistema de cues on la taxa de transmissió s'ajusta automàticament per mantenir un estat concret de la memòria.

Los satélites carecen de un comportamiento autónomo con respecto a la adquisición y transmisión de datos. En un entorno cercano a la Tierra con pocos dispositivos y conectividad fiable, esto no supone una limitación por lo que pueden ser operados manualmente casi en tiempo real. Sin embargo, con mayor número de satélites en enentornos de Delay Tolerant Network (DTN), donde la conectividad es inestable e interrumpida con largas demoras, es necesario confiar en la automatización.

En este aspecto, ya se han realizado estudios utilizando el Reinforcement Learning para gestionar la memoria de un nodo DTN con resultados prometedores. No obstante, estos métodos requieren de mucho tiempo de simulación y no son aptos para ser implementados en los ordenadores de a bordo. Se podrían entender, sin embargo, como un agente de control centralizado con resultados y redes neuronales delegadas a los satélites. En este proyecto, se presenta un enfoque más ligero utilizando Teoría de Control Clásica modelando el nodo DTN como un sistema de colas donde la tasa de transmisión se ajusta automáticamente para mantener un estado concreto de la memoria.

Satellites lack autonomous behavior regarding data acquisition and transmission. In a near Earth environment with few spacecraft and reliable connectivity, this is not a limitation for which they can be almost real time and manually operated. However, in Delay/Disruption Tolerant Networks (DTN) environments where connectivity is unstable/disrupted with long delays and with greater number of spacecraft, it is necessary to rely on automation. Some approaches have already been made using Reinforcement Learning to manage DTN node buffers with promising results . However, this methods are highly computer intensive and are not suitable to be implemented in the on-board computers. They could, however, be understood as a centralized control agent with delegated results and Neural Net (NN) implementations. In this thesis, a lighter approach is presented using Classical Control Theory modeling the DTN node as a Queuing System using classical dynamics, where the transmission rate is autonomously adjusted to maintain a specific memory state.