【摘 要】
:
随着工业网络数字化、智能化程度的提高,数据传输对实时性和高可靠性的需求变得愈发迫切。时间敏感网络作为一种全新的技术,通过标准化为各类流量提供实时传输,弥补了标准以太网架构难以提供低延时通信的缺陷。时间触发流是时间敏感网络中一类高优先级的流量,在工业应用中常携带关键控制数据。为保证时间触发流传输的可靠性,通常采用冗余的方法实现网络的容错,但是冗余导致的额外负载会显著影响时间触发流的可调度性。因此如何
论文部分内容阅读
随着工业网络数字化、智能化程度的提高,数据传输对实时性和高可靠性的需求变得愈发迫切。时间敏感网络作为一种全新的技术,通过标准化为各类流量提供实时传输,弥补了标准以太网架构难以提供低延时通信的缺陷。时间触发流是时间敏感网络中一类高优先级的流量,在工业应用中常携带关键控制数据。为保证时间触发流传输的可靠性,通常采用冗余的方法实现网络的容错,但是冗余导致的额外负载会显著影响时间触发流的可调度性。因此如何兼顾数据传输的实时性和可靠性已成为时间敏感网络研究中亟待解决的问题。本论文首先针对现有时间敏感网络路由方法在工业场景下存在的缺陷,依据交换式以太网的框架,分析了影响路由可靠性和可调度性的因素,分别提出了两种评估技术:一种用于评估路由可靠性的概率模型和一个衡量数据流在共享链路中发生时隙交叠可能性的成本函数。其次,基于以上技术,本文设计了一种可靠性感知多路径路由方法。该方法依据概率模型对路由集合进行筛选,采用蚁狮算法以最小化成本函数为目标,在搜索空间中寻找具有更高可调度性的路由方案,从而协同优化了包含不可靠链路的网络中数据传输的可靠性和实时性。最后,本文基于时间敏感网络的转发机制构建了相关调度约束,采用整数线性规划来求解调度问题。为验证所提方法的有效性,本文从可靠性和可调度性两个方面对现有的基准路由方法以及本方法进行评估,在拥有不同连通度和规模的拓扑中,分别研究了不可靠链路数量以及负载数量对路由可靠性和可调度性的影响。实验结果证明,对比现有方法,本文提出的路由方法可以平均提高1.8%的可靠性;在保证传输可靠性的同时,可调度性平均提高了10%。在规模更大、负载数量更多的高连通性TSN网络中,可靠性和可调度性提高更加显著,分别为5%和17%。
其他文献
无人车的定位问题是无人驾驶中的关键技术,是当下的研究热点。传统的定位方法,例如GPS、惯导在城市环境下难以满足高精度的定位需求,视觉定位因为传感器体积小、成本低,定位精度高的特点在定位问题中越来越受到重视。视觉里程计是视觉定位中的一种经典方法,但其作为一种航位推算算法,需要给定一个确定的起始位姿,并且它不可避免地存在累积误差。在城市环境中,车载传感器通常无法提供一个准确的起始位姿,在长距离定位中视
目标检测可以为图像理解提供分类与定位信息,有较强的应用价值,被广泛应用于自动驾驶、遥感图像探测等任务中。随着深度学习与神经网络近年来的发展,基于深度神经网络的目标检测方法取得了重大进展。全监督目标检测方法的发展非常依赖大规模精确标注数据集,而边框级的标注费时费力,成本高昂,因此弱监督目标检测方法逐渐受到关注,其仅需要图像级标签,大大降低了训练数据集的标注成本。本文的研究内容为仅有图像级标签的弱监督
随着移动互联网的发展,手机等智能移动终端已经融入人们的日常生活。人们在使用移动互联网服务的同时产生了大量的数据。其中,位置数据有着很高的利用价值,它可以用来挖掘人口的空间特性,计算区域人群密度,为公共安全事件预警、交通监测以及区域规划等提供帮助;还可以用来判断个体接触,为排查传染病密切接触者提供数据支持。位置数据获取的基础是终端定位,在室外可以通过GPS技术获取位置信息,但是在高楼下或是室内环境中
大数据时代下,现有的计算结构在面对数据密集型的应用时,会因为大量的数据搬运和带宽的限制带来能耗和延迟上的提高。为了解决访存和数据搬运造成的能耗和延迟,学界提出了基于SRAM的算术逻辑运算电路,在存储器中实现算术逻辑运算。现有基于SRAM的算术逻辑运算电路因为计算模式比较单一,在面对外界输入和存储单元之间运算的场景时,电路的性能会受到限制。本论文提出了一种新的基于SRAM的多模式算术逻辑运算电路结构
近年来,随着移动互联网和物联网技术的快速发展,基于室内位置信息服务的需求随之而出现爆发式增长,室内定位技术也越来越受到关注。以智能手机为代表的智能移动终端设备,内部集成可以感知各类环境信息的惯导、地磁、无线、红外、声音等多种传感器模块,已成为实现室内定位功能的重要媒介。其中,随着声传感器采集性能的提升,人耳听不见但可以被移动设备识别的近超声频段成为研究热点,在室内声学定位系统发挥着重要作用。目前,
情绪是人在特定的场景刺激下产生的心理和生理的协调反应,与人的心理状态和生理健康息息相关。负性情绪会严重影响工作效率与工作质量,也会干扰判断、决策等高层次认知过程。因此对情绪状态进行客观准确的识别和分析具有重要的实际应用价值。目前常用的情绪识别方法有观察表情动作法和量表自我评估法。这两种方法虽然简单有效,但都较为主观且具有滞后性。人的情绪活动受到自主神经系统和中枢神经系统的调控,以及人脑高级认知的调
睡眠相关疾病严重影响着人们的健康,多导睡眠监护是目前诊断睡眠疾病的主要手段。现有多导睡眠监护系统的自动诊断准确率较低,诊断过程仍主要依赖专家人工操作,耗时耗力。因此,研发适合临床应用的高准确度的多导睡眠智能分析算法具有重要意义。本文基于脑电、肌电与眼电信号,实现了睡眠监测系统分期算法,主要研究内容如下:1.分析了脑电、肌电和眼电三种生理信号与睡眠阶段的关系,分别提取了相关性较强的时域、频域和非线性
随着车联网的发展,车联网提供的服务逐渐多样化,给人们的生活带来了诸多便利。车辆在获取基于位置的服务(Location-Based Services,LBS)时,需要提供其真实位置,而位置信息暗含了车辆用户的个人隐私信息。如果位置信息提供给不可信的LBS服务器,将造成车辆用户的隐私泄露问题。因此,本论文研究车联网中的位置隐私保护问题,着重研究车辆用户位置与轨迹的隐私保护方法。针对服务质量与隐私保护间
日益增长的高速实时流数据传输需求对系统带宽、时延以及稳定性都带来了很大的挑战,与此同时通用处理器也逐渐成为高性能数据传输领域的瓶颈。针对此现象,本文对高性能实时信号通道技术展开研究,提出并设计了一种面向嵌入式系统的高性能实时数据传输分发系统架构。该系统融合了基于Aurora的模块间串行数据传输和基于万兆以太网TCP/IP卸载引擎技术的处理模块与服务器互联,在高性能实时流数据传输领域具有较好的应用价
随着第四次工业革命的到来,计算机和人工智能技术得到了快速的发展,以此为基础的无人驾驶作为新兴产业也得到了学术界以及产业界的大量关注。相较于传统驾驶模式,高性能的驾驶决策系统能够避免各种人因导致的交通事故,同时解放人类双手、缓解交通压力。精准灵敏的感知算法是无人驾驶车辆进行自主行驶的前提,目前主流的硬件冗余方案需要高昂的硬件成本,同时传感器的增多也会给数据同步和算法实时性带来很大挑战,因此研究低成本