【摘 要】
：
随着时间敏感网络技术的日趋成熟和推广应用,时间敏感网络协议簇的完善就显得至关重要,其中,IEEE Std 802.1Qbu协议定义的一级帧抢占技术保证e MAC帧可以中断标准以太网帧或超大帧的传输,避免超大帧传输对e MAC帧造成较大的阻塞。但是,一级帧抢占无法实现在保障e MAC帧时延的基础上降低有固定时延的p MAC帧时延,导致其不能按时到达接收端。本文提出一种时间敏感网络二级帧抢占策略,解决
论文部分内容阅读
随着时间敏感网络技术的日趋成熟和推广应用,时间敏感网络协议簇的完善就显得至关重要,其中,IEEE Std 802.1Qbu协议定义的一级帧抢占技术保证e MAC帧可以中断标准以太网帧或超大帧的传输,避免超大帧传输对e MAC帧造成较大的阻塞。但是,一级帧抢占无法实现在保障e MAC帧时延的基础上降低有固定时延的p MAC帧时延,导致其不能按时到达接收端。本文提出一种时间敏感网络二级帧抢占策略,解决了有固定时延的p MAC帧不能按时到达接收端的问题。主要研究工作和创新点如下:1.本文首先对国内外时间敏感网络的产业和研究现状进行研究,分析了时间敏感网络帧抢占机制的工作原理和帧抢占架构中各模块的作用,并深入研究时间敏感网络帧抢占对数据帧端到端传输时延的影响。由于时间敏感网络帧抢占的时延特性,导致一级帧抢占无法实现保证e MAC帧时延的同时降低p MAC帧时延。2.针对上述问题,本文提出了一种时间敏感网络二级帧抢占策略。该策略包括帧映射策略、优化帧抢占架构和二级帧抢占调度策略。通过帧映射策略将各类优先级时间敏感网络帧映射成各类MAC帧（包含e MAC帧,tp MAC帧和ntp MAC帧）;通过优化帧抢占架构中的并行缓存模块分别缓存tp MAC帧和ntp MAC帧;二级帧抢占调度策略包括各类MAC帧传输策略和切片合成策略,进一步通过二级帧抢占调度策略在MAC合并子层进行二级帧抢占。3.本文搭建了基于Spirent C1协议测试仪、自研时间敏感网络交换机的测试验证平台,编写测试案例验证自研时间敏感网络交换机帧抢占机制中切片与切片合成的一致性,包括对切片帧合成ntp MAC帧测试,数据帧接收顺序测试等。测试结果表明,与IEEE Std 802.1Qbu和IEEE Std 802.3br标准定义的帧抢占方法相比,本文所提方案可以保障e MAC帧时延的基础上进一步降低tp MAC帧时延。二级帧抢占中tp MAC帧平均时延比IEEE Std 802.1Qbu标准中一级帧抢占平均时延降低了19.6%,抖动从3.4us降到1.6us。
其他文献
近年来,随着工业通信协议在日常生活中的应用变得越来越广泛,协议实现需要进行不同程度的修改以适应日新月异的需求。每次协议栈代码被修改后,都需要进行回归测试,以确保协议栈功能不受影响。但随着协议栈功能的复杂度的增加,其回归测试成本与安全性逐渐受到重视。因此,为了在保证回归测试故障检测率的情况下缩短工业通信协议回归测试执行时间同时提高测试安全性,本文提出了一种基于多目标的工业通信协议回归测试方法,并设计
睡眠作为人体必要的生理活动,备受人们关注。在现代社会中睡眠障碍严重影响到人们的健康和生活。睡眠分期是开展睡眠相关研究的前提,是研究睡眠特点、诊断脑部疾病的重要依据。人工手动分期是一项耗时且带有主观性的任务,使用传统的机器学习方法进行睡眠分期是一项步骤繁杂、任务难度高的方法。随着人工智能的发展,在睡眠医学技术的方面,使用深度学习技术越来越具有临床价值。本文首先总结睡眠相关的技术,详细阐述了睡眠信号（
近年来,随着科技的不断发展,红外目标检测跟踪系统在人类生活的各个方面都有广泛应用,例如交通、医疗及军事等领域。红外弱小目标检测作为红外目标检测跟踪系统中重要的一环,应当能实现精准且快速的检测。但在实际应用中,红外弱小目标通常具有信号弱、所占面积小、纹理特征不明显、信杂比较低等特点,同时目标常被淹没于各种复杂背景之中,这些都会导致相关算法的检测率较低,虚警率偏高,因此需进一步提升现有检测方法的性能。
现代科技逐渐往信息化、数字化和智能化的方向发展,工业制造设备也变得越来越复杂。其中,电机作为重要的动力输出装置,长期运行会出现磨损和老化,导致电机故障的发生。随着故障的自然累积,将减少电机寿命,增加运营成本。因此,研究电机的智能故障诊断方法,对生产设备运行的稳定性和可靠性具有重要意义。目前,电机的故障诊断大多是依靠专家已有的相关诊断经验和知识。然而,这些诊断知识零散且缺乏相关规范和行业标准,对电机
随着信息技术的高速发展,物联网上的海量数据呈爆炸式增长。为了解决物联网用户（个人、设备或系统）信息超载的问题,物联网推荐系统被广泛应用于智能家居、智能制造和智慧城市等领域。本文在对目前推荐系统中主流推荐算法深入研究的基础上,针对主流的协同过滤推荐算法在面临冷启动和数据稀疏问题时性能明显下降的问题,将知识图谱引入推荐系统,提出一种基于知识图谱的协同过滤推荐算法,并命名为Dual KG-CF。经实验验
高级辅助驾驶系统在减小交通事故发生率,提升行车安全性等方面发挥着重要作用,能够有效改善日益严重的交通问题,已被广泛应用于智能汽车领域。车道线检测技术作为智能汽车的环境感知手段,为路径规划,车道保持,车道偏离预警等辅助驾驶功能提供道路车道线信息,是高级辅助驾驶系统的核心技术之一。传统的车道线检测方法依靠手工设计的模板来提取车道线特征,需要良好的特征匹配,无法适应光照条件变化的场景,鲁棒性较差。而基于
交通标志检测是自动驾驶和辅助驾驶中使用的核心技术之一,也是近年来学术界研究的热门领域。交通标志检测通过环境感知设备来收集车辆周边路况及交通标志信息,然后传送给系统作判断,从而自动或辅助驾驶员排除可能出现的险情,减少交通事故的发生。但由于交通标志自身较小的特点以及实际交通场景中数据不可避免地受到光照和遮挡的影响,想要实现准确地检测仍存在一定的困难。同时交通标志检测对于检测模型的计算参数和检测时间也有
新能源汽车核心技术中整车控制器VCU、电机控制器MCU和电池管理系统（BMS）是最重要的三大核心技术，对整车的动力性、经济性、可靠性和安全性等有着重要影响。电能的消耗是新能源汽车重要指标，整车控制系统的唤醒休眠控制策略决定着整车静态电流大小以及总线各部件的休眠唤醒逻辑对其他部件的影响，严重会导致整车馈电；整车模式切换控制新能源三电之间的逻辑交互，整车上下电、异常处理、整车充电、整车行驶控制都依赖于
近年来,随着工厂设备智能化程度提高和滚动轴承在众多工业制造场景得到广泛应用,推动了智能制造的飞速发展,但因滚动轴承缺陷而造成设备故障的事件时有发生。滚动轴承出现缺陷时会产生一系列非平稳的振动信号。传统滚动轴承故障诊断方法智能性不足,难以对故障振动信号进行准确诊断。从滚动轴承的振动信号特征与准确诊断出发,本文结合卷积神经网络在自适应提取故障信号特征方面的优势,研究了智能化的滚动轴承故障诊断方法,主要
配电网暂态录波型故障指示器在运行过程中常受到恶劣天气、电磁因素等各种干扰,导致其记录大量错误、无效的故障数据,致使海量暂态录波数据失真,严重影响配电网的故障辨识和事故处理效率,甚至造成故障进一步恶化与扩散,对配电系统安全、稳定运行构成极大威胁。因此,建立清洁可靠的暂态故障数据库,实现配电网故障精准辨识对保障配电系统正常运行具有重要意义。本文在建立清洁、准确的配电网暂态故障数据库基础上对线路故障类型