制造业物联网的网络特性复杂多变,体现在制造业中存在有线、无线网络,各类传感器、驱动器、感知节点以及执行节点并存。其中感知节点随着制造业环境的不同而动态变化、信道可用性动态变化等的特征,使得制造物联网具有大尺度、高度异构和动态拓扑等特点。最终导致端到端延迟难以预测、异构网络难以协同、网络实时状态难以认知等问题。形成了大尺度异构动态网络环境下海量数据的实时可靠汇聚传输问题。具体体现在制造物联网中异构节点负载流量条件下,等长时隙分配会导致节点状态频繁切换,节点能耗和汇聚传输时延加大。在动态网络拓扑环境中,节点的加入、失效等导致网络拓扑结构变化,数据的实时可靠传输难以得到保障。这就需要研究相关数据汇聚调度策略,保障数据实时可靠汇聚传输。针对以上问题,本文的主要研究内容及创新点如下：(1)针对制造物联网中节点异构负载流量产生的数据汇聚问题,本文研究了基于网络冲突图的负载流量感知的中心式汇聚调度策略。提出了一种基于节点负载流量感知的连续时隙指派算法。该算法首先根据节点间冲突图和干扰建立网络冲突图,根据节点负载流量大小,在网络冲突图的基础上进行连续时隙指派。减少了数据汇聚过程中节点的能耗和传输时延。(2)针对制造物联网中数据传输实时性要求高、网络拓扑动态变化而产生的最小时延数据汇聚问题(MDAS)。本文通过研究现有的数据汇聚调度算法,提出了一种针对该问题改进的分布式数据汇聚调度模型和优化算法(MDAS),优化了最小时延上限。同时,针对节点新加入或节点失效引起的网络拓扑变化,提出一种自适应的MDAS调度扩展算法,优化了汇聚过程中的时延和通信开销。最后对上述算法进行了理论仿真和性能评价,结果表明,本文时所提出的算法与现有算法相比,在降低数据汇聚时延和能耗方面具有更好的性能。同时,提出的自适应扩展调度算法,对网络拓扑动态变化的情况具有更低时延和通信开销。