随着大数据、边缘计算等工业互联网技术的发展,加速了IT（Information Technology）与OT（Operation Technology）的融合,提高了工业现场设备对实时性和确定性的需求。OPC UA（OLE for Process Control Unified Architecture）作为应用层OPC基金会的新标准,它通过定义抽象服务,为符合OPC UA标准的工业设备提供面向服务的架构SOA（Service-Oriented Architecture）,同时整合了DA（Data Access）、HDA（History Data Access）和A＆E（Alarm and Event）,为工业现场设备的数据传输提供互连、互通和语义的互操作。TSN（Time sensitive Network）作为数据链路层的标准,它提供了一组IEEE802.1协议簇,为数据传输提供时钟同步、资源预留和确定性调度等功能,实现了工业现场设备间的高可靠、低延迟的数据通信。但是,当前工业现场智能制造的生产过程中,仍然面临着网络联通、数据互通与业务打通的需求,开展OPC UA和TSN的融合的研究可以有效解决OPC UA数据传输过程中对时间不敏感以及无法支持高可靠同步实时数据传输等问题。目前,关于OPC UA Over TSN的研究主要围绕数据的映射以及路由与调度两个方面,其中,数据的映射一般采用五层映射方式,即应用层-传输层-网络层-数据链路层-物理层。虽具有较为便捷的映射接口,但映射过程中的拆包封包过程会产生较大的时延,对一类同步实时数据的传输无法保证其可靠性。此外,路由与调度的过程中常采用群智能优化算法,通过手动调参和优化适应度函数求解等方法确定TSN交换机调度表的方式仍不具备较为完善的可靠性,其参数的优化调整不满足一类网络的扩展等问题。本文基于上述两类问题,针对数据的映射提出了一种多业务流混合映射方法,通过将同步实时数据从应用层直接映射至数据链路层,并采用Pub/Sub通讯方式,同时保留非同步实时和非实时数据的五层映射方式,分别使用TCP和UDP通讯方式,从而有效地保证同步实时数据流的传输可靠性。此外,针对路由与调度的过程,提出了一种基于数据预处理方式的RSTSN算法。其中,数据流预处理采用K-均值聚类算法将混合数据流分类,并结合BA模型生成的网络拓扑共同作为RSTSN算法的输入。RSTSN算法采用基于SMT（Satisfiability Modulo Theories）的Z3求解器,通过添加数据流传输的约束条件,包含数据流约束、端口约束和时延约束等,从而求解出满足路由与调度的GCL（Gate Control List）,以便于设计满足调度需要的TAS（Time Aware sharper）。本文从网络拓扑规模和数据流数量两个角度出发,对RSTSN算法和蚁群以及改进的蚁群算法进行对比评估。综合分析了调度性能随网络拓扑规模和数据流数量的变化关系,以及算法本身运行时间的对比。实验结果表明,本文提出的RSTSN算法具有较好的平均传输时延和抖动,有效的提高了调度成功率。与改进的蚁群算法相比,RSTSN算法在大规模网络拓扑情况下可以显著降低调度计算时间。