时间敏感网络中基于抢占式通道模型的资源调度算法研究.pdf

第47卷总第516期67 2023年8月第8期时间敏感网络中基于抢占式通道模型的资源调度算法研究*时间敏感网络作为一种新型工业通信技术，能够为工业控制业务提供高可靠及确定性时延保障。针对工业场景中时间敏感网络为保障确定性时延而提供的循环排队转发机制，提出了一种满足同步流类型时间敏感流量零抖动需求的抢占式通道模型，通过调整循环排队机制中不同类型时间敏感流量的优先级，为同步流量提供抢占式通道，同时引入对周期流类型时间敏感流量的整流排序机制，来降低抢占式通道对于周期流的影响。对引入机制前后的时延变化进行了对比分析，并通过OMNET+实时仿真验证了所提出的抢占式通道模型的有效性。时间敏感网络；循环排队转发机制；抢占式通道模型；整流排序（燕山大学电气工程学院，河北 秦皇岛 066004）【摘 要】吴昭祥，李文凯，袁亚洲，刘志新doi:10.3969/j.issn.1006-1010.20230615-0003 中图分类号：TN929.5文献标志码：A 文章编号：1006-1010(2023)08-0067-07引用格式：吴昭祥,李文凯,袁亚洲,等.时间敏感网络中基于抢占式通道模型的资源调度算法研究J.移动通信,2023,47(8):67-73.WU Zhaoxiang,LI Wenkai,YUAN Yazho,et al.Research on Resource Scheduling Algorithm Based on Preemptive Channel Model in Time-Sensitive NetworksJ.Mobile Communications,2023,47(8):67-73.Research on Resource Scheduling Algorithm Based on Preemptive Channel Model in Time-Sensitive NetworksAs a novel industrial communication technology,time-sensitive networks can offer high reliability and deterministic delay guarantee for industrial control services.For the cyclic queuing and forwarding mechanism to ensure the deterministic delay of TSNs in industrial scenarios,a preemptive channel model is proposed to meet the zero-jitter requirement of time-sensitive traffic of synchronous flow types.By adjusting the priorities of different types of time-sensitive traffic in the cyclic queuing mechanism,a preemptive channel is provided for synchronous traffic.Meanwhile,a rectification-sequencing mechanism is introduced for the time-sensitive traffic of periodic flow type to reduce the impact of preemptive channels on periodic flows.Via comparing and analyzing the delay changes after the introduction of the mechanism,the effectiveness of the proposed preemptive channel model is verified through OMNET+real-time simulation.Time-Sensitive Networking;cyclic queuing and forwarding mechanism;preemptive channel model;rectification sorting mechanism(School of Electrical Engineering,Yanshan University,Qinhuangdao 066004,China)WU Zhaoxiang,LI Wenkai,YUAN Yazhou,LIU Zhixin Abstract Keywords【关键词】OSID：扫描二维码与作者交流收稿日期：2023-06-15*基金项目：国家重点研发计划“工业现场无线控制系统架构和设计方法”（2020YFB1708700）；国家自然科学基金项目“分布式工业网络中适配业务传输需求的多域资源协同优化研究”（62273295）；中央引导地方项目“业务需求驱动的多层级工业网络可靠接入与信息传输协同优化研究”（226Z0304G）0 引言时间敏感网络（TSN,Time-Sensitive Networking）是 IEEE802.1 任务组开发的一套数据链路层协议规范，用于构建更可靠、低延迟、低抖动的以太网1。TSN 作为新一代以太网技术，除了在工业互联网领域的应用之外，还能广泛地应用于航空电子网络、车载网络等多个领域，因此也得到了学术界和工业界的持续关注2。TSN是一个协议簇，其中包含多个子协议，不同子协议实现不同的功能，它们通过兼容协作来为数据的传输提供确定性、高可靠的服务。其中的 IEEE802.1Qch 协议中为了实现确定性转发时延提出了周期性排队与转发机制（CQF,Cyclic Queuing and Forwarding），协议中只定义了 CQF第47卷总第516期682023年8月第8期“面向6G的物联网技术”专题此外，本文搭建了基于 OMNET+的仿真平台，模拟实际网络运行模式，针对不同类型与不同数目的业务流，在 CQF 机制与抢占式通道模型中端到端时延的分布情况进行仿真，以验证抢占式通道模型的有效性。1 研究背景TSN 的数据调度是保证时间敏感的基础，它的核心思想是基于不同的整形器来进行不同应用场景的流控制14。1.1 循环排队转发机制IEEE802.1 提供了一系列的标准来确保可靠性的数据传输15，其中 IEEE802.1Qch 协议引入了循环排队转发的调度机制，CQF 的实现原理如图 1 所示。CQF 的实现是入队和出队两种机制的结合，首先，CQF 的实现需要准确的时钟同步支持，即网络中所有设备对于特定时刻的认知保持一致。在此基础上，CQF 通过在单流过滤和管控机制（PSFP,Per-Stream Filtering and Policing）和时间敏感流增强调度（EST,Enhancements for Scheduled Traffic）的结合，提出了双队列的调度机制16，当一个队列接受时，另外一个队列进行传输。如图 1 所示，在奇数时间间隔期间，队列7对应的门控机制处于开启状态，接收数据帧；在偶数间隔期间，队列 6 对应的门控机制处于开启状态，接收数据帧17，如此交替。对于采用 CQF 调度机制的业务流，其最大时延为从第一个循环区间的开始到最后一个区间的结束，为(h+1)d；最小时延为从第一个循环区间的结束到最后一个循环区间的开始，为(h-1)d；其中 h 为跳数，d 为时间间隔。从上述分析中可以看出，对于采取 CQF 调度机制的业务流，CQF 机制可以为其实现一个时延范围为(h-1)d、(h+1)d)的确定性传输，但是从确定性时延范围的数值分析中可以队列模型与工作流，只用了几个简单的综述去介绍相关原理3-6，然而该机制无法满足同步流类型时间敏感流量的传输，这也是本论文拟解决的关键问题。TSN 是在传统以太网基础上构建的具有确定性时延数据传输能力的新型网络7，标准以太网自创建以来，以其简单、灵活的优势获得了广泛的应用和迅猛的发展。但由于标准以太网最初创建的目的是解决局域网内的信息传递和共享问题8，并未考虑信息的实时传输。TSN 作为运营技术和信息技术融合的产物9，既能满足工业控制的实时性和确定性，又能兼容普通以太网业务流10，因此广泛应用于航空电子网络、车载网络和工业互联网11等多个领域。对于 TSN 来说，其主要目的就是保障时间敏感业务流的端到端时延和抖动要求12，因此满足不同类型时间敏感业务流的传输时延要求和抖动要求13，是 TSN 传输确定性的首要任务。本文主要讨论的就是在 CQF 机制下去满足不同类型业务流的传输需求，使得 CQF 机制能够兼容混合流量传输下的确定性资源调度.与端到端时延分析时一般用到的针对单一类型业务流的整形机制不同，本文当中不仅考虑到了满足同步流类型的时间敏感业务流的零抖动要求，也考虑到了引入新机制，会对其他类型时间敏感流量调度的影响，额外优化了CQF机制中的双队列传输模型，来满足其他类型时间敏感流量的传输时延需求。综上，本论文的创新点如下：（1）本文构建了基于混合类型时间敏感流量传输的抢占式通道模型，满足了同步流的零抖动传输需求，使CQF 机制能够兼容同步流的传输。（2）为了减小抢占式通道模型对于周期流类型时间敏感流量的影响，引入了针对周期流周期长度的整流排序机制，通过提高 CQF 机制中的资源利用率来提高周期流的调度成功数目。队列时间T0T1T2T3#7OCCO#6COOC#5CCCC输出门控列表输出门=C流量#7队列输出门=OC=closedO=open输出门=C输出门=C传输选择传输选择算法传输选择算法传输选择算法传输选择算法流量#6队列流量#5队列流量#0队列#0CCCCTnCCOO图1 CQF机制的实现原理第47卷总第516期69 2023年8月第8期吴昭祥,李文凯,袁亚洲:时间敏感网络中基于抢占式通道模型的资源调度算法研究简单地看出 CQF 机制将不可避免的引入最大为 2d 的时延抖动，如果是对于传输抖动要求不严格的周期流类型 TT（Time-Triggered Traffic，时间敏感）流量，CQF 机制可以满足其传输需求，但如果是对传输抖动要求严格的同步流类型 TT 流量，CQF 机制就不能够满足它的确定性传输需求，引入的额外抖动会影响同步流的传输稳定性。1.2 研究现状在网络通信中，抖动（jitter）是指数据包在传输过程中到达时间的不稳定性18，即数据包之间到达时间的差异。对于 TSN 而言，保障时间敏感业务流的端到端时延和抖动要求是其主要任务之一，因此，端到端时延的有界性与时延变化的稳定性，是 TSN 确定性传输的主要特征19。本文主要讨论CQF机制中端到端时延变化对不同类型业务流的影响，并且针对同步流进行分析。文献 20 针对 IEEE 802.1Qci 协议中的门控列表机制（GCL,Gate Control List）时隙分配对端到端时延的影响，提出了一种基于灵活窗口的 GCL 调度模型，针对该模型在不同配置下端到端时延的变化进行分析。文献 21 提出了一种基于注入时间规划的机制来优化时间敏感网络的网络吞吐量，针对不同传输开始时间下数据包的端到端时延变化进行分析。文献 22-24 针对 TTEthernet 中的时间敏感流量提出了不同的调度算法，分析了在控制平面的调度对于 TT 流量时延变化的影响。其中 TTEthernet 普遍被认为，在原理上与 TSN 一致25，它们都采用了时间触发传输机制来实现不同业务流的确定性传输。可以看出，目前 TSN 中对于时间敏感流量的调度方案，普遍忽略了 CQF 机制中不同类型流量混合传输的问题，只是考虑了其中对于周期流 TT 流量的传输，而未考虑到端到端时延变化对于同步流 TT 流量传输的影响，如何使得 CQF 机制在不影响其他类型流量传输效率的前提下，做到对于同步流 TT 流量调度与传输，这一研究是当前具有挑战价值与研究意义的。为了简化表述，后续周期流 TT 流量简称为周期流，同步流 TT 流量简称为同步流。2 研究内容上文的分析中提到 CQF 机制可以为业务流提供确定性的时延区间，以及将不可避免地为 TT 流量引入最大为2d 的抖动，接下来就详细分析上述两项的原理.首先，对本文后续需要用上的基本参数符号进行归纳，如表 1 所示：表1 基本参数符号符号符号含义tr,k同步流 r 在交换机 k 上的传输开始时间tr,k-1同步流 r 在交换机 k-1 上的传输开始时间dproc同步流在交换机的处理延迟同步流 r 在交换机 k-1 上的传输时长Slotlen时隙的长度CQFlen循环流队列的队列长度B周期流的数据包在链路上的发送速率fistart周期流 i 的传输开始时间fihop周期流 i 过的跳数fideadline周期流 i 到达目的节点的时间限制fisize周期流 i 的尺寸2.1 研究动机CQF 的实现基于下面 3 点：（1）网络各设备之间时钟同步；（2）入队和出队队列的共同配合；（3）流量的突发速率不能超过d时间间隔内可以传输的最大流量26（这里假设采用 CQF 调度的流量为最高优先级，否则还需要减去优先级高于它的流量的最大突发速率）。CQF双队列机制保证确定性时延区间的原理如图2所示：图2 CQF确定性时延区间原理示意图第47卷总第516期702023年8月第8期“面向6G的物联网技术”专题如图 2 所示，假设一条业务流需要从节点 1 传输到节点 3，并且该业务流采用了 CQF 的调度方式，那么在第一个奇数间隔内数据帧从节点 1 的传输队列 6 传输完成，并且到达节点 2 的接收队列 7，在第二个偶数间隔内数据帧从节点 2 的传输队列 7 传输完成，并且到达节点 3的接收队列 6，传输完成。在上述的传输过程中，在最坏情况下，在第一个奇数间隔的开始时刻节点 1 将数据帧传输到节点 2，在第二个偶数间隔的结束时刻节点 2 将数据帧传输到节点 3，那么此时数据帧的传输时延就是 2d；在最好情况下，在第二个偶数间隔的结束时刻节点 1 将数据帧传输到节点 2，在第二个偶数间隔的开始时刻节点2 将数据帧传输到节点 3，那么此时数据帧的传输时延就是 0；故 CQF 调度的时延区间为(h-1)d,h+1d。2.2 抢占式通道模型从上述的分析中可以看出，一条 TT 流量选择了 CQF的调度，将不可避免地为业务流中的数据帧引入最大为2d 的时延抖动，对于时延抖动要求并不严格的周期流，CQF 调度机制可以满足它的传输需求，但是对于时延抖动非常严格甚至要求零抖动的同步流，CQF 调度机制无法保证同步流在传输过程中的零抖动甚至是低抖动的需求。综上本文设想对于 CQF 调度机制进行优化，以使其能够兼容同步流的传输，据此本文提出了一种抢占式通道模型具体如图 3 所示。如图 3 所示，周期流采用 CQF 的双队列缓冲机制TTDoubleBuffer，对于同步流为其设计了一条单独的抢占式通道 TTQueueBuffer，保证同步流不会因为 CQF 机制而引入额外的时延抖动，此外抢占式通道模型也确保了同步流传输时的最高优先级，使其不会受到其他类型数据流的影响，从而满足同步流的低抖动传输要求。2.3 问题描述在上述的分析中，有一些约束条件需要额外说明，在抢占式通道模型中，为了满足同步流的低抖动传输需求，所有交换机对于同步流数据帧的转发都应当是立即完成，不能有额外的延迟，具体约束条件如下所示，其中 K 大于 2。(1)而在整流排序机制中，模型中的时隙长度要满足，即使链路中的全部资源被占据的前提下，在单位时隙以内，链路中的所有数据都能完成传输，具体如下所示：(2)此外，经过整流排序机制调度的周期流，其传输开始时间可能会有所变化，因此需要满足其基本的端到端时延要求，如果对 TT 流量的整流排序无法满足其传输时延要求，那么就应当视为调度失败，具体约束如下：(3)此外，由于 CQF 中缓存队列的长度有限，经过整流排序机制调度后的数据流，在特定链路中同时传输的数据总长度不应当超过缓存队列的长度，如果数据长度超限，会导致部分数据流数据丢失传输失败，具体约束条件如下所示：(4)为 t1时隙内经过特定传输链路的全部业务流的长度；n 为 t1时隙内经过特定传输链路的周期流的业务流的总数量；O(fi,m1,e1,l1,t1)表示周期流，m1为周期流中第 i 个业务流的报文，e1为周期流中第 i 个业务流经过的交换机，l1为周期流中第 i 个业务流经过的交换机的端口，t1为周期流中第i个业务流的报文经过交换机的时隙。图3 抢占式通道模型图第47卷总第516期71 2023年8月第8期基于以上所求约束，可以求出周期流的时延 delaycly与同步流的时延 delaysync，以及特定时间内网络模型的周期流调度成功数目，具体如下所示：(5)(6)(7)其中，frstart 为同步流中第 r 个数据流的传输开始时间，frhop 为同步流中第 r 个数据流经过的跳数；其中 Ncycle为周期流的总数目，为周期流中到达了目的节点，但是超过了其最大时延约束的业务流数目，为周期流中未成功到达目的节点的业务流数目，例如传输过程中丢包的业务流，或数据包校验位不匹配的业务流。本文针对同步流的抢占式通道模型，与其中针对周期流的整流排序机制，均是在满足以上约束条件下进行的，并且在后续的实验过程中也是严格按照以上约束条件下进行的模拟仿真。3 整流排序机制由于周期流的传输优先级要低于同步流，在传输链路被充分利用时，抢占式通道模型会不可避免地为周期流带来额外的等待时间，这将影响周期流的调度成功概率，为了降低抢占式通道模型对周期流的负面影响，本文引入一个针对周期流的整流排序机制，如图 3 中的 sequencing所示，在 CQF 调度机制前对周期流进行额外排序，具体工作原理如下所述。假设现在有多条业务流需要从 node1经过交换机发往node2，均为 TT 流量并采用 CQF 调度机制，其中业务流f1、f2的周期长度要小于业务流 f3、f4，并且交换机的缓存队列最多允许 2 条业务流同时传输。如果不采用额外的调度方式，那么实际传输情况就会是在时隙 slot0中，业务流 f1、f2、f3、f4同时传输，此时由于交换机的缓存队列长度有限，最多只能同时容纳两条业务流，业务流 f3、f4被丢失，在时隙 slot4相同的事件再次发生，导致 CQF 机制对于业务流 f3、f4的调度失败，只能在下一个传输周期等待重传，影响 CQF 机制的传输效率。但在实际模型中，在时隙 slot1、slot2交换机的缓存队列存在着大量的空闲队列资源可供利用。据此本文设计了一种针对 CQF 传输模型中 TT 流量的整流排序机制，按照周期长度来为待传输的 TT 流量进行排序，让周期小的 TT 流量先传输，周期大的 TT 流量的传输时间向后偏移，从而充分利用 CQF传输模型中的空闲队列资源，提升 CQF 模型的传输效率。具体实现是，在时隙 slot0传输业务流 f1、f2，将业务流f3、f4的传输时间向后顺延一个时隙在 slot1发送，避免了与业务流 f1、f2的队列竞争，利用了 CQF 传输模型中的空闲队列资源，在资源条件不变的前提下，完成了对 f3、f4的传输，提升了 CQF 模型的传输效率。4 研究结果与评估4.1 实验场景本文的网络拓扑图具体如图 4 所示：图4 网络拓扑图如图 4 所示，网络拓扑图当中包含 4 个节点以及两个支持 CQF 转发模型的交换机，其中节点 1 发送的均为同步流，节点 2 发送的均为周期流，节点 3 发送的均为 BE（Best Effort，尽力而为）流量，节点 4 为所有业务流的目的节点。由于目前没有支持 TSN 测试的数据集，本文中的业务流为随机产生为了模拟实际现场的各种业务情况，每条业务流中每个周期产生的报文数量是 1，业务流的周期长度从集合 250,350,450,550,650 中选择，单位为微秒，报文的大小在 1001 500 Bytes 之间，业务流的端到端时延均大于 CQF 的最大端到端延迟，在上述的场景中运行抢占式通道模型，并根据端到端时延变化与调度成功的业务流数目，来评估调度机制的有效性。4.2 实验对比与分析在交换机的接收端不针对 TT 流量的类型做区分，对同步流和周期流进行混合传输，这种传输方式称之为未调度的原 CQF 调度机制。而在交换机的接收端针对不同类型的 TT 流量设置不同的传输通道，并针对周期流设置额外的调度机制，这种传输方式称之为抢占式通道传输模型。接下来从不同维度展示抢占式通道模型的调度效果，并对实验结果进行分析。吴昭祥,李文凯,袁亚洲:时间敏感网络中基于抢占式通道模型的资源调度算法研究第47卷总第516期722023年8月第8期“面向6G的物联网技术”专题网络模型中的带宽为 100 Mbp/s，将交换机的 CQF 队列的长度均设置为 15 kb，业务流的数目逐渐增加，统计不同类型业务流的端到端时延，在未增加额外调度机制的原 CQF 调度机制下，以及抢占式通道模型下，不同类型业务流的端到端时延如图 5 与图 6 所示：（a）同步流与周期流的端到端时延（b）BE流的端到端时延图5 未调度的CQF模型下时延变化图CQF机制中同步流和周期流的评估结果如图5（a）所示，周期流的端到端延迟被限制在了一个有限的范围之内，时延最小为 0.15 ms，最大为 0.4 ms。由于未对同步流和周期流做额外区分，两种类型的流量在 CQF 的双缓冲队列中混合传输，这就为同步流引入了额外的排队等待时延，同步流的最大端到端时延为 0.15 ms。CQF 机制中 BE 流量的端到端时延如图 5（b）所示，BE 流量没有相应的调度机制保证其时延区间的有界性。（a）同步流与周期流的端到端时延（b）BE流的端到端时延图6 抢占式通道模型下时延变化图抢占式通道模型中同步流和周期流的评估结果如图 6（a）所示，由于抢占式通道模型中同步流与周期流分开传输，并且同步流的传输通道的优先级高于周期流，因此同步流的传输时延与 CQF 机制中相比显著减少，稳定在了 0.03 ms 左右，与 CQF 机制相比抢占式通道模型降低了 58.92%的同步流时延，并且满足了同步流量严格的低抖动传输需求。而周期流的时延变化并不明显，其端到端时延依然能够满足最大端到端时延要求。而抢占式通道模型中 BE 流的时延变化如图 6（b）所示，抢占式通道模型中同步流队列额外占据了一条优先级传输队列，为 BE 流引入了额外的等待时间，与 CQF 机制相比 BE 流的端到端时延有所增加。在抢占式通道模型中，同步流单独的高优先级传输队列，在业务流冗余时将不可避免地为周期流引入额外第47卷总第516期73 2023年8月第8期的等待时间，这会影响周期流的传输效率，降低周期流在抢占式通道模型中调度成功数目。在此处统计无额外调度的 CQF 模型、未添加整流排序机制的抢占式通道模型，以及添加了整流排序机制的抢占式通道模型三种情况下周期流调度成功的业务流数目变化情况。如图 7 所示，其中调度前是指无额外调度的 CQF 机制，调度成功周期流的数目随着业务流数目的增加而增加，当业务流的总数目超过 800 以后，此时链路的带宽逐渐达到上限，调度成功周期流的数目逐渐减少；其中调度中是指未添加整流排序机制的抢占式通道模型，由于抢占式通道会为周期流引入额外的等待时间，与调度前的模型相比，调度中的模型调度成功的周期流的数目降低了 11.51%；而调度后，是指在抢占式通道模型中添加了整流排序机制，整流排序机制会充分利用 CQF 传输模型中的空闲队列资源，提高资源利用率。与调度中的模型相比，调度后的模型提高了 17.83%的调度成功周期流数目，与调度前模型相比，提高了 4.26%的调度成功周期流数目，证明了整流排序机制能够提高抢占式通道模型中周期流的调度成功数目。图7 不同机制下调度成功的周期流数目5 结束语本文针对目前 CQF 模型中存在的部分问题，即为业务流引入额外的时延抖动，导致不支持同步流传输，提出了一种基于 CQF 模型的兼容同步流传输的抢占式通道模型。该模型为同步流设置优先级最高的单独传输队列，以满足同步流的低抖动传输需求，并针对周期流提出了依据周期长度的整流排序机制，将待发送的周期流按照周期长度从小到大依次发送，以充分利用 CQF 模型的空闲队列资源，从而提高 CQF 模型对于周期流的传输效率。综上所述，本文基于 CQF 模型设计了一种兼容同步流传输并提升周期流传输效率的新型模型.本文基于 OMNeT+构建了支持 CQF 调度的网络模型，并对抢占式通道模型的有效性进行了评估。通过比较引入抢占式通道模型前后，不同类型业务流时延变化以及周期流调度成功数目的变化，发现该模型可以有效降低同步流的抖动，并提高调度成功周期流的数目，从而证明了抢占式通道模型的有效性.参考文献：1 张弛,韩丽,杨宏.时间敏感网络关键技术与标准化现状 J.自动化仪表,2020,41(3):100-104.2 张彤,冯佳琦,马延滢,等.时间敏感网络流量调度综述 J.计算机研究与发展,2022,59(4):747-7643 Yuan Y Z,Cao X,Liu Z X.Cailian Chen and Xinping Guan.Adaptive Priority Adjustment Scheduling Approachwith Response Time Analysis in Time-Sensitive NetworksJ.IEEE Transactions on Industrial Informatics,2022,18(12):8714-8723.4 Lyu L,Zhao L,Dai Y,et al.Adaptive Edge Sensing for Industrial IoT Systems:Estimation Task Offloading and Sensor SchedulingJ.IEEE Internet of Things Journal,2023,10(1):391-402.5 Yang G,Rezaee H,Serrani A,et al.Sensor Fault-Tolerant State Estimation by Networks of Distributed ObserversJ.IEEE Transactions on Automatic Control,2022,67(10):5348-5360.6 Yang Z,Wang R,Wu D,et al.Local Trajectory Privacy Protection in 5G Enabled Industrial Intelligent LogisticsJ.IEEE Transactions on Industrial Informatics,2022,18(4):2868-2876.7 Nasrallah A,Thyagaturu A,Alharbi Z,et al.Ultra-Low Latency(ULL)Networks:The IEEE TSN and IETF DetNet Standards and Related 5G ULL ResearchJ.IEEE Communications Surveys&Tutorials,2019,21(1):88-145.8 Shahab M B,Abbas R,Shirvanimoghaddam M,et al.Grant-free Non-orthogonal Multiple Access for IoT:A SurveyJ.IEEE Communications Surveys&Tutorials,2020,22(3):1805-1838.9 Liu Y,Deng Y,Elkashlan M,et al.Analyzing Grant-Free Access for URLLC ServiceJ.IEEE Journal on Selected Areas in Communications,2021,39(3):741-755.10 IEEE Std 802.1Qch-2017.IEEE standard for local and metropolitan area networks-bridges and bridged networks-amendment 29:cyclic queuing and forwardingS.2017.11 Wang G,Yang C,Ma L,et al.Centralized and Distributed Robust State Estimation Over Sensor Networks Using Elliptical DistributionJ.IEEE Internet of Things Journal,2022,9(21):21825-21837.12 Liu Y,Deng Y,Elkashlan M,et al.Optimization of Grant-Free NOMA with Multiple Configured-Grants for mURLLCJ.IEEE Journal on Selected Areas in Communications,2022,40(4):1222-1236.13 Liu Y,Deng Y,Zhou H.Deep Reinforcement Learning-Based Grant-Free NOMA Optimization for mURLLCJ.IEEE Transactions on Communications,2023,71(3):1475-1490.14 Zhang J,Tao X,Wu H,et al.Deep Reinforcement Learning for Throughput Improvement of Uplink Grant-Free NOMA SystemJ.IEEE Internet of Things Journal,2020,7(7):6369-6379.15 Liu J,Shi Z,Zhang S,et al.Distributed Q-Learning Aided Uplink Grant-Free NOMA for Massive Machine-Type CommunicationsJ.IEEE Journal on Selected Areas in Communications,2021,39(7):2029-2041.16 IEEE Std 802.1Qbv-2015.IEEE standard for local and metropolitan area networks-bridges and bridged networks-amendment 25:enhancements for scheduled trafficS.2016.吴昭祥,李文凯,袁亚洲:时间敏感网络中基于抢占式通道模型的资源调度算法研究（下转第97页）第47卷总第516期97 2023年8月第8期参考文献：1 丁恩杰,廖玉波,张雷,等.煤矿信息化建设回顾与展望 J.工矿自动化,2020,46(7):7.2 陈龙,王晓,杨健健,等.平行矿山:从数字孪生到矿山智能J.自动化学报,2021,47(7):13.3 程恩旺,杨芳震.5G 助力智慧矿山数字化转型 J.通信世界,2022(6):2.4 Jiang H,Qin S,Fu J,et al.How to model and implement connections between physical and virtual models for digital twin applicationJ.Journal of Manufacturing Systems,2020,58(5).5 王小东,王存政,王冲.浅谈 5G 技术在智慧矿山建设中的应用前景 J.内蒙古煤炭经济,2020(12).6 王立文,唐雄燕,黄蓉,等.面向工业应用的 5G 增强技术 J.邮电设计技术,2022(3):7.7 王丹,孙滔,段晓东,等.面向垂直行业的 5G 核心网关键技术演进分析 J.移动通信,2020,44(1):8-13.8 任怀伟,王国法,赵国瑞,等.智慧煤矿信息逻辑模型及开采系统决策控制方法 J.煤炭学报,2019,44(9):13.9 葛世荣,张帆,王世博,等.数字孪生智采工作面技术架构研究 J.煤炭学报,2020,45(6):12.10 胡云峰.智慧矿山实现本质安全 J.劳动保护,2021.11 霍振龙.矿井无线通信系统现状与发展趋势 J.工矿自动化,2022,48(6):5.12 卜忠贵,肖子玉,李朝干,等.5G 智慧园区网络设计方法与应用 J.电信工程技术与标准化,2020,33(5):7.13 林何平,高志英,韩剑,等.网络时延分析及面向 5G 的低时延策略 J.电信工程技术与标准化,2018,31(9):26-30.14 李辉.5G 核心网 MEC 和 UPF 研究与实践 J.电信工程技术与标准化,2022,35(4):8.15 王其朝,金光淑,李庆,等.工业边缘计算研究现状与展望 J.信息与控制,2021,50(3):18.廖露华：高级工程师，博士毕业于电子科技大学，现任中国移动四川攀枝花分公司副总经理，长期从事无线网络规划、优化和建设工程管理工作，所负责网络项目多次获得国家及省级优秀设计、优质工程奖。作者简介17 Yang D,Gong K,Ren J,et.al.TC-Flow:Chain Flow Scheduling for Advanced Industrial Applications in Time-Sensitive NetworksJ.IEEE Network,2022,36(2):16-24.18 Zhao L,Paul P,Craciunas S S.Worstcase latency analysis for IEEE 802.1Qbv time sensitive networks using network calculusJ.IEEE Access,2018,6:41803-41815.19 Nasrallah A,Balasubramanian V,Thyagaturu A,et al.Cyclic Queuing and Forwarding for Large Scale Deterministic Networks:A SurveyJ.arXiv preprint arXiv:1905.08478,2019.20 Yan J,Quan W,Jiang X,et al.Injection Time Planning:Making CQF Practical in Time-Sensitive NetworkingC/IEEE INFOCOM 2020-IEEE Conference on Computer Communications(INFOCOM).IEEE,2020.21 Zhang Y,Xu Q,Xu L,et al.Efficient Flow Scheduling for Industrial Time-Sensitive Networking:A Divisibility Theory-Based MethodJ.IEEE Transactions on Industrial Informatics,2022,18(12):9312-9323.22 Quan W,Yan J,Jiang X,et al.On-line Traffic Scheduling optimization in IEEE 802.1