目的：随着工业4.0时代的到来，工业生产控制系统智能化程度越来越高，对信息的实时性和确定性传输提出了更高要求，时间敏感网络（Time-Sensitive Networking, TSN）由于具有良好的兼容性、低时延抖动等特性，被引入工业网络。为借助 TSN 实现工业网络中混合流高效传输，本文对TSN中的新型流量调度机制进行探索。
方法：研究新型 TSN 系统设计方案，基于集中式软件定义网络（SDN, software defined network）架构，设计了一种确定网络最小调度时隙的方法，并基于该最小时隙调整预订流（ST, scheduled traffic）类流量的采样周期，通过降低ST流对发送带宽的占用，为流预留（SR, stream reservation）类流量预留更多传输资源，从而提升网络可调度性。进一步针对SR流，提出奇偶映射的流映射策略，并且，当网络中出现SR流不可调度的情况时，设计流偏移规划（FOP, flow offset planning）算法，对SR流的注入时间进行偏移调整，通过提高系统资源利用率，进一步提升网络可调度性。
结果：为验证所提HSTC机制核心算法的性能，本文搭建实验平台，从ST流带宽占用、流调度优先级、SR 流映射、注入时隙选择等角度，将本文所提机制与现有机制进行性能仿真对比验证。实验设置网络最大帧长MTU=1500B，交换机单队列的最大缓存值BufSize=6MTU，链路速率1000 Mbit/s。每条ST流的最大采样周期和包长分别从集合{0.6, 0.8, 1, 1.2, 1.6}ms,{0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1}kB中随机选取，所有ST流的最小采样周期均设为0.1 ms,ST流的截止时间为其实际采样周期。SR流采样周期和包长分别从集合{4, 6, 8, 10, 12, 16, 20}ms,{1.5, 2, 2.5, 3, 3.5, 4, 4.5}kB中随机选取，每条SR流的截止时间取范围内一个随机整数值。主要实验结果为：①调整ST流采样周期：若不进行采样周期调整，当流数目达到12，发送ST流占据了80%以上的网络带宽，而采用本文所提方案调整采样周期后，ST流的带宽占用大幅降低。②流调度优先级：本文所提方案具有最优性能，其余方案性能排序依次为最大包长优先、最短截止时间优先、最小采样周期优先，相对于次优的最大包长优先方案，本机制所采用的加权排序方案至多能将网络调度成功率提高0.52。③SR流映射：随着SR 流数量的增加，本文所提出的奇偶映射方案对提升网络调度成功率的影响越显著，与按截止时间映射方案的网络调度成功率的最大差值达到20%。④注入时隙选择：相较于次优的随机选择注入方案，HSTC中的时隙排序方案可将网络调度成功率的值至多提升0.77，极限带宽利用率可达88%。⑤综合性能对比：在本文所研究场景下，以相同网络配置及流参数，与两篇代表性的现有文献所提方案进行性能对比，实验结果表明，HSTC机制实现了降低求解复杂度与提升调度性能的双重优化。
结论：目前，如何在工业网络中充分发挥 TSN 精准的流量调度能力，为生产控制系统提供确定性和实时性保障，仍是TSN的一个研究重点。为此，本文提出一种HSTC混合流量调度机制，该机制将TAS与CQF这2种现有方案进行有机结合，并根据时间敏感流和大带宽流的流特性，为两类流制定不同的调度策略。实验结果表明，HSTC机制通过提升系统资源利用率显著提高了网络可调度性，实现了TSN混合流的高效调度。现有对TSN的网络规划多基于离线调度场景，但在实际工业网络中，还存在由事件触发的少量突发流量，这些流无固定参数，但对系统的正常运转有着重要影响，因此如何改进现有方案，使之同时支持突发流的混合传输，是本文下一步的研究方向。
