论文部分内容阅读
网络和通信技术的不断发展对国民经济产生了巨大影响,各国都非常重视工业物联网的发展。工业4.0的一个核心技术是高度时间敏感的网络物理系统(CPS),为了保证网络物理系统在控制下的确定性行为,需要一个具有确定性的实时通信网络来连接传感器、执行器和控制器。因此,如何为时间敏感网络提供确定性的实时保证是一项具有重要意义的研究工作。在充分分析了国内外对于时间敏感网络的研究现状的基础之上,本文提出了基于遗传模拟退火的TSN调度算法和基于蚁群系统的TSN调度算法应用于时间敏感网络的时间触发流调度问题上,最后还针对由于最短路径路由导致的部分调度方案不可行的情况进行了分析。本文主要的研究工作包括:(1)针对工业物联网中时间敏感网络的时间触发流调度问题,结合时间敏感型的软件定义网络(TSSDN)模型,提出了基于遗传模拟退火的TSN调度算法(NGASA算法)。将该算法应用于TSN调度问题中,对时间触发的流进行调度和路由,避免网络队列发生排队,以满足数据传输的实时性需求。仿真结果表明,算法可以有效地求解TSN调度问题,而且算法的收敛速度明显优于传统的算法,能够很好地为时间敏感网络中数据的传输提供实时保障。(2)在时间敏感网络的时间触发流调度问题模型中考虑链路中数据包的传输延迟,将该问题抽象为一个二进制多背包问题,在避免网络队列排队的同时使得数据包的传输延迟最小化。然后结合最小最大蚂蚁系统的思想,提出了一种基于蚁群系统的TSN调度算法(NACO算法)。仿真结果表明,算法可以很好地解决TSN调度问题,并且相对于传统的算法,可以避免陷入局部最优解,具有更好的收敛速度和寻优能力,且具有确定的时延抖动变化,能够为时间敏感网络提供确定性的实时保证。(3)在考虑数据包传输延迟的时间触发流的调度模型中,由于每条链路有其容量限制,最短路径路由将导致部分调度方案不可行,本文通过引入Check函数,检查出不可调度的方案。然后结合增量的策略对NACO算法执行过程进行调整,提出了带增量策略的TSN调度算法(I-NACO算法),并应用于TSN调度问题中。仿真结果表明,使用带增量策略的TSN调度算法求解问题具有较快的收敛速度和稳定性,能够很好地适应规模较大的场景,并且I-NACO算法的性能要优于NACO算法,可以有效地解决一些流不可调度的现象。