1.本发明属于工业无线网络调度领域，涉及一种基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法。
背景技术：2.现有很多工业无线网络(如wia-pa、wirelesshart等)，具有较高的灵活性，可以运 用于工厂移动设施上。有线网络中的时间敏感网络(time sensitive network，tsn)是近来 工业网络领域的研究热点，其通过一系列关键技术保证了数据传输的确定性。这两者融合， 可既满足工厂移动设施对网络灵活性的要求，又满足工业控制对网络确定性的要求。
[0003][0004]
想要将两套不同网络融合成为一个异构网络，就要考虑对整个异构网络的信息流进行联合调度，以避免譬如碰撞、拥塞等问题，保证信息流的正常传输。对时间敏感网络和工业无线网络组成的异构网络的联合调度的要求是，联合调度方案可以在保证异构网络继承了工业无线网络的灵活性的同时，保证其同时继承了时间敏感网络的确定性。
[0005]
虽然联合调度在异构网络中极其重要，但是研究进展却不容乐观。时间敏感网络和工业无线网络构成异构网络的现有研究中，多数针对单个时间敏感网络与单个工业无线网络构成的异构网络，但是智能工厂中分管各工厂区域的移动设施相距较远，应用到智能工厂中的异构网络应该满足相距较远的不同区域间的通信需求，很显然现有研究中的这种网络无法满足该需求。
技术实现要素：[0006]
有鉴于此，本发明的目的在于提供一种基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，在利用时间敏感网络连接两个工业无线网络以覆盖较大范围的同时，保证异构网络分别继承自工业无线网络和时间敏感网络的灵活性和确定性。
[0007]
为达到上述目的，本发明提供如下技术方案：
[0008]
本发明提供的一种基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，是基于以下面向时间敏感网络和工业无线网络的异构网络调度架构，由用户面、控制面、数据面构成，其中用户面由用户面app构成，其作用是为用户提供可视化的数据和选项(数据方便用户了解整个网络的状况，选项方便用户对网络下达命令)。控制面由工业软件定义控制器isdc和两个工业网络系统管理器构成，其作用是收集来自数据面的信息并对异构网络进行联合调度。工业软件定义控制器isdc由协同调度子系统、北向接口、南向接口、东西向接口构成，协同调度子系统的作用是对网络的状态数据进行计算并得出最终的调度方案，北向接口的作用是与用户面的通信从而发送网络的状态信息或接受用户的命令，南向接口的作用是与数据面的cnc配置接口通信从而获得时间敏感网络的状态数据和下发调度方案到时间敏感网络，同时南向接口还与数据面的工业无线网关通信从而下发调
度方案到工业无线网络，东西向接口负责与工业网络系统管理器通信从而获得工业无线网络的状态数据。两个工业网络系统管理器各自管理与其对接的工业无线网络，其协同调度接口与数据面的工业无线网关通信从而获得工业无线网络的状态数据。数据面由时间敏感网络和两个工业无线网络构成，其作用是连接节点、路由、网关等设备并为数据传输提供路径。时间敏感网络位于整个异构网络的中央，负责将一端的工业无线网络发送的数据按照确定性要求传输到另一端的工业无线网络。两个工业无线网络各自采集其数据，并将某些需要得到另一端的工业无线网络数据响应的数据通过工业无线网关发送到时间敏感网络。
[0009]
另外，还需确定wia-pa数据优先级与时间敏感网络数据流优先级的映射关系如表1所示。
[0010]
表1
[0011]
wia-pa数据帧类型转换为tsn数据流后的优先级信标帧7数据帧[0,6]
[0012]
在该映射关系表中：
[0013]
信标帧，携带控制网络时隙分配的网络控制信息，因此转换为tsn数据流后被分配最高优先级7；数据帧，携带工厂中各设备发送的各类信息(如温湿度信息等)，该数据类型的数据在转换为tsn数据流后，优先级处于[0,6]区间。由于数据帧携带的信息类型不同，所以同样是信标帧，其优先级需要具体讨论。数据帧具体的优先级，由用户给各类不同信息指定的紧急程度评分，再根据规则1得到。
[0014]
若则优先级为n+1 若score＝score
max
，则优先级为6
[0015]
规则1
[0016]
规则1中，score
min
为用户给各类信息指定的紧急程度评分中的最低分，score
max
为用户给各类信息指定的紧急程度评分中的最高分，score为用户给某一类信息指定的紧急程度评分。
[0017]
该映射关系表的用法如述：
[0018]
wia-pa数据由wia-pa侧进入tsn时，工业无线网关以wia-pa数据帧作为tsn数据帧的载荷部分，对其进行封装，以将其转换为tsn数据帧，并根据其wia-pa数据类型以及紧急程度评分，通过该表，得到该数据在tsn中应有的优先级，再将tsn数据帧中的priority code point置为该优先级所对应的代码，这样就完成了wia-pa数据帧到tsn数据帧的转换以及优先级的映射。
[0019]
tsn数据由tsn侧进入wia-pa时，工业无线网关将tsn数据帧中，除载荷以外的部分全部剔除，余下的载荷即为wia-pa数据帧，这样就完成了tsn数据帧到wia-pa数据帧的转换以及优先级的映射。基于此，本发明提供的一种基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，包括以下步骤：
[0020]
离线阶段：
[0021]
s1：对工业无线网络中的超帧结构进行定制化处理，用户确定超帧时长和时隙时长，并计算时隙数量；
[0022]
s2：用户采集节点发送数据包信息，所述数据包信息在时间上保持连续；
[0023]
s3：用户构建时隙需求预测模型的训练集和测试集；
[0024]
s4：对时隙需求预测模型进行训练；
[0025]
在线阶段：
[0026]
s5：配置异构网络：用户将离线阶段确定的配置信息配置到协同调度子系统、工业无线网关、无线路由设备和工业无线节点中；
[0027]
s6：时隙预测、分配和信标广播；
[0028]
s7：工业无线网络中各节点根据分配的路径进行数据传输。
[0029]
进一步，步骤s1中，定制化超帧分为信标广播阶段和数据传输阶段，在信标广播阶段，协同调度子系统使用时隙需求预测模型对新一轮超帧中各节点的时隙需求进行预测，并按照预测结果对新一轮超帧的时隙进行分配，随后工业无线网关广播信标帧到工业无线网络，信标帧中携带了新一轮超帧的时隙分配表；在数据传输阶段，各时隙依照信标帧中携带的时隙分配表进行分类，其中的时隙分为周期性数据时隙、非周期性数据时隙和空闲时隙，周期性数据时隙被分配给有周期性数据上传需求的节点，非周期性数据时隙被分配给时隙需求预测模型所确定的需要发送非周期数据的节点，空闲时隙阶是除周期型数据时隙和非周期性数据时隙以外的所有时隙。
[0030]
进一步，步骤s1中，所述确定超帧时长具体包括：首先用户了解工业现场的业务需求以确定有周期性数据上传需求的节点，并确定这些节点上传数据的周期，然后按照下式将超帧时长确定为这些周期的最小公倍数：
[0031]
t
superframe
＝lcm(t1,t2,
…
,tn)
[0032]
其中t
superframe
为超帧时长，t1,t2,
…
,tn分别为n个有周期性数据上传需求的节点上传数据的周期，lcm表示最小公倍数；
[0033]
所述确定时隙时长具体包括：时隙时长与网络中最长路径的长度正相关，根据网络中各路径的路径长度，计算出时隙时长：
[0034]
t
slot
＝(max(length1,length2,
…
,lengthn)+2)*t
hop
[0035]
t
slot
为时隙时长，length1,length2,
…
,lengthn分别为网络中所有的n条路径的路径长度，max表示取最大值，t
hop
为数据包经过每一跳所需的平均时间。
[0036]
进一步，步骤s3中所述构建训练集和测试集，具体包括：
[0037]
s31：数据集提取：将所采集的全部数据包提取到一个个超帧中，每一个超帧内数据包的信息即构成一个数据集，各数据集的第一个数据包的时间戳与下一个数据集的第一个数据包的时间戳之差为超帧时长，二者之间的前闭后开区间被提取到一个数据集中；
[0038]
s32：数据集信息填充补全：程序将数据集内诸多时隙的信息缺失进行填充补全；单个数据集内信息为一个m
×
n维度的矩阵，其中m表示单个超帧中时隙数量，n表示异构网络中工业无线节点的数量，横表头和纵表头不计入内；其中的每一个元素为一个数值，表示某工业无线节点在当前超帧的某时隙发送数据的优先级；在数据集信息矩阵中，在因为空闲时隙而缺失的维度上填满0，以表示无节点于该时隙发送数据；
[0039]
s33：数据集划分：百万级数据以下规模的数据集，将所有数据集的60％划分为训练集、20％划分为验证集、20％划分为测试集；百万级数据以上规模的数据集，将所有数据集的98％划分为训练集、1％划分为验证集、1％划分为测试集。
[0040]
进一步，步骤s4中所述对时隙需求预测模型进行训练，具体包括：
[0041]
输入数据为训练集中的m
×
n维度的矩阵；
[0042]
输出数据为m
×
n维度的矩阵，其中的每一个元素为一个数值和一个百分比，数值表示模型预测某工业无线节点在下一个超帧的某时隙可能发送数据的优先级，百分比表示该节点在该时隙发送数据的可能性；
[0043]
误差计算如下式：
[0044][0045]
其中e为某次预测的误差，m为单个超帧时隙数量，n为工业无线节点数量，real
i,j
为实测下一个超帧的第i个时隙中第j个节点发送数据的优先级，forecast
i,j
为该次预测下一个超帧的第i个时隙中第j个节点发送数据的优先级，percent
i,j
为该次预测下一个超帧的第i 个时隙中第j个节点发送数据的可能性；
[0046]
使用k折交叉验证法，利用划分好的验证集进行验证；
[0047]
对模型进行性能分析：利用训练集中每个数据集对模型进行测试得到的误差值按下式计算得到平均误差值：
[0048][0049]
其中为平均误差值，q为测试集中数据集的数量，ek为训练集中第k个数据集对模型进行测试得到的误差；
[0050]
通过下式计算误差基准值：
[0051][0052]
为基准值，p为数据集总数，m为单个超帧时隙数量，n为工业无线节点数量， real
k,i,j
为实测第k个数据集的第i个时隙中第j个节点发送数据的优先级；
[0053]
最后将平均误差值与误差基准值进行比较，判断模型是否合格：
[0054][0055][0056]
用户按照以上方式进行比较，模型不合格则继续迭代，否则利用以下公式对模型预测下的网络传输平均时延进行计算。
[0057][0058]
其中表示空闲时隙在单个超帧中的平均时长，p为数据集总数，m为单个超帧中空闲时隙的数量，t
slot
为时隙时长；
[0059][0060]
表示平均时延，t
superframe
为超帧时长；
[0061]
以下为网络传输平均时延与要求平均时延的比较规则，用户用其判断模型预测下的网络传输平均时延是否合格。
[0062][0063][0064]
delay
require
表示用户输入的要求平均时延。
[0065]
模型不合格则继续迭代，否则结束迭代，进入在线阶段。
[0066]
进一步，步骤s5中，具体包括：用户将超帧时长、时隙时长、优先级关系映射表、网络路径信息表、预测时隙需求的模型配置至协同调度子系统；用户将超帧时长、时隙时长、优先级关系映射表、网络路径信息表配置至工业无线网络的所有工业无线网关、无线路由设备和工业无线节点。
[0067]
进一步，步骤s6中，具体包括：
[0068]
在旧的超帧结束之后、新的超帧开始之前，协同调度子系统将旧的超帧的发包信息输入到所述时隙需求预测模型中，输出新的超帧的时隙需求预测信息，按照时隙从先到后的顺序对各时隙依次进行分配；在某时隙内将可能性大于threshold
per
的节点筛选出来并为其分配该时隙，不为可能性小于threshold
per
的节点分配该时隙，将时隙分配的结果放入时隙分配表中；在时隙分配完毕之后，工业无线网关将时隙分配表写入到信标帧中，随着信标广播阶段信标广播到达工业无线网络的每个工业无线节点，时隙分配表也被更新到每个工业无线节点中，在新的超帧中，各节点按照这个时隙分配表进行通信。
[0069]
进一步，步骤s7中所述传输的数据包括用户发送的命令数据、节点发送的数据，其中用户发送的命令数据不被分配时隙，具有最高的优先级，在网络路径中挑选最短路径直接传输；
[0070]
所述节点发送的数据按照以下流程进行传输：
[0071]
s71：路由判断发送数据的节点是否被分配到了时隙，若是，执行步骤s72，若否，则判断当前时隙是否为空闲时隙，若是，执行步骤s72，若否，再判断该节点发送数据优先级是否大于所有已分配到该时隙的节点要发送数据的优先级，若大于，则执行步骤s72，若否，则该节点进行等待，知道下一个空闲时隙开始；
[0072]
s72：该节点发送数据到其直接连接的路由；
[0073]
s73：路由判断路径占用表中是否有剩余路径，若有，则将剩余路径中的最短路径分配给该节点，然后更新路径占用表，路径分配成功，开始传输；若路径占用表中无剩余路径，执行步骤s74；
[0074]
s74：路由将路径占用表中各已被占用路径按照占用该路径的数据的优先级按从高到低进行排序；
[0075]
s75：路由将占用当前路径数据与该节点发送数据的优先级进行比较，若该节点发送数据的优先级更高，则该节点与现在做比较的数据共用同一条路径，路由更新占用表，路
径分配成功，开始传输；若该节点发送数据的优先级较低，则路由检查路径占用表中的下一条路径，返回步骤s74；
[0076]
s76：数据在路径分配成功后进行传输，在某节点发送的数据到达其所在的工业无线网络的工业无线网关时，工业无线网关将该次数据传输的信息发送到协同调度子系统，协同调度子系统将其添加到数据集中，作为下一个超帧中时隙需求预测模型的输入。
[0077]
进一步，所述路径占用表是各无线路由设备用于记录从自己出发到各节点以及工业软件定义控制器的所有路径的占用情况，包括路径编号，该路径的目的节点，到达该路径的详细路径，该路径长度，占用该路径的数据的数量及其优先级；路径占用表于在线阶段的配置异构网络阶段进行初始化，各无线路由设备从利用配置的网络路径信息表中挑选出从自己出发到各节点以及工业软件定义控制器的所有路径，然后按照网络路径信息表填充目的节点一栏，将占用该路径的数据的优先级一栏填充为0；路径占用表的占用该路径的数据的优先级一栏，在每次新超帧开始时全部置0，在数据传输阶段每次有其中路径被发送数据占用时更新。
[0078]
本发明的有益效果在于：本发明在利用时间敏感网络连接两个工业无线网络以覆盖较大范围的同时，保证了异构网络分别继承自工业无线网络和时间敏感网络的灵活性和确定性。
[0079]
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0080]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
[0081]
图1为面向时间敏感网络和工业无线网络的异构网络调度架构图；
[0082]
图2为基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法流程图；
[0083]
图3为定制化超帧结构示意图；
[0084]
图4为数据集提取示意图；
[0085]
图5为节点发送数据路径分配流程图。
具体实施方式
[0086]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0087]
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本
发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0088]
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0089]
本方案的联合调度方法运行于一种面向时间敏感网络和工业无线网络的异构网络调度架构之下，该架构如图1所示，该架构由用户面、控制面、数据面构成。
[0090]
用户面：用户面由用户面app构成，其作用是为用户提供可视化的数据和选项(数据方便用户了解整个网络的状况，选项方便用户对网络下达命令)。
[0091]
控制面：控制面由工业软件定义控制器isdc和两个工业网络系统管理器构成，其作用是收集来自数据面的信息并对异构网络进行联合调度。工业软件定义控制器isdc由协同调度子系统、北向接口、南向接口、东西向接口构成，协同调度子系统的作用是对网络的状态数据进行计算并得出最终的调度方案，北向接口的作用是与用户面的通信从而发送网络的状态信息或接受用户的命令，南向接口的作用是与数据面的cnc配置接口通信从而获得时间敏感网络的状态数据和下发调度方案到时间敏感网络，同时南向接口还与数据面的工业无线网关通信从而下发调度方案到工业无线网络，东西向接口负责与工业网络系统管理器通信从而获得工业无线网络的状态数据。两个工业网络系统管理器各自管理与其对接的工业无线网络，其协同调度接口与数据面的工业无线网关通信从而获得工业无线网络的状态数据。
[0092]
数据面：数据面由时间敏感网络和两个工业无线网络构成，其作用是连接节点、路由、网关等设备并为数据传输提供路径。时间敏感网络位于整个异构网络的中央，负责将一端的工业无线网络发送的数据按照确定性要求传输到另一端的工业无线网络。两个工业无线网络各自采集其数据，并将某些需要得到另一端的工业无线网络数据响应的数据通过工业无线网关发送到时间敏感网络。
[0093]
wia-pa网络数据链路子层数据单元定义了四种优先级的数据流，分别为第一优先级的命令数据、第二优先级的过程数据、第三优先级的一般数据、第四优先级的非紧急的报警数据，wia-pa网络应用层定义了三种数据流传输模式，但是时间敏感网络却定义了八种优先级的数据流类型。
[0094]
为了使wia-pa网络与时间敏感网络的数据流互通，需要确定wia-pa数据优先级与时间敏感网络数据流优先级的映射关系。
[0095]
wia-pa网络数据流与时间敏感网络数据流类别映射关系如表1所示。
[0096]
表1
[0097]
wia-pa数据帧类型转换为tsn数据流后的优先级信标帧7数据帧[0,6]
[0098]
在该映射关系表中：
[0099]
信标帧，携带控制网络时隙分配的网络控制信息，因此转换为tsn数据流后被分配最高优先级7；
[0100]
数据帧，携带工厂中各设备发送的各类信息(如温湿度信息等)，该数据类型的数据在转换为tsn数据流后，优先级处于[0,6]区间。由于数据帧携带的信息类型不同，所以同样是信标帧，其优先级需要具体讨论。数据帧具体的优先级，由用户给各类不同信息指定的紧急程度评分，再根据规则1得到。
[0101]
若则优先级为n+1 若score＝score
max
，则优先级为6
[0102]
规则1
[0103]
规则1中，score
min
为用户给各类信息指定的紧急程度评分中的最低分，score
max
为用户给各类信息指定的紧急程度评分中的最高分，score为用户给某一类信息指定的紧急程度评分。
[0104]
该映射关系表的用法如述：
[0105]
wia-pa数据由wia-pa侧进入tsn时，工业无线网关以wia-pa数据帧作为tsn数据帧的载荷部分，对其进行封装，以将其转换为tsn数据帧，并根据其wia-pa数据类型以及紧急程度评分，通过该表，得到该数据在tsn中应有的优先级，再将tsn数据帧中的prioritycode point置为该优先级所对应的代码，这样就完成了wia-pa数据帧到tsn数据帧的转换以及优先级的映射。
[0106]
tsn数据由tsn侧进入wia-pa时，工业无线网关将tsn数据帧中，除载荷以外的部分全部剔除，余下的载荷即为wia-pa数据帧，这样就完成了tsn数据帧到wia-pa数据帧的转换以及优先级的映射。
[0107]
本方案针对异构网络中的时隙应该怎样分配的问题，设计了一种基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，该方法的总体步骤如图2所示。
[0108]
离线阶段：
[0109]
第一步：确定超帧结构信息
[0110]
定制化超帧结构：
[0111]
本方案对工业无线网络中的超帧结构做了定制化处理，在介绍定制化超帧之前，需要先明确工业现场网络中切实存在着两种数据：
[0112]
1)周期性数据：在工厂中，用户需要周期性地获取某些设备的状况，因此某些节点需要按照预定的周期上传其探测到的数据，故而本方案需要考虑到这种数据；
[0113]
2)非周期性数据：在工厂中，用户临时需要了解某个设备的当前状况或者命令某设备做出动作时，亦或者某节点所监测物理量(如化工厂中的溶液温度)到达阈值从而需要通知另一设备做出动作时，就会产生非周期性数据，故而本方案也需要考虑到这种数据。
[0114]
基于对上述这两种数据的调度的考量，本方案对工业无线网络中的超帧结构按照图3做了定制化处理。
[0115]
如图3所示，定制化超帧分为信标广播阶段和数据传输阶段，其作用如下：
[0116]
1)信标广播阶段：在该阶段，协同调度子系统使用下文中提到的预测时隙需求的
模型对新一轮超帧中各节点的时隙需求进行预测，并按照预测结果对新一轮超帧的时隙进行分配，随后工业无线网关广播信标帧到工业无线网络，信标帧中携带了新一轮超帧的时隙分配表；
[0117]
2)数据传输阶段：在该阶段，各时隙依照信标帧中携带的时隙分配表进行分类，其中的时隙分为周期性数据时隙、非周期性数据时隙和空闲时隙三种。其中，周期性数据时隙被分配给有周期性数据上传需求的节点，非周期性数据时隙被分配给下文所述的时隙需求预测模型所确定的需要发送非周期数据的节点，空闲时隙是该阶段中除周期型数据时隙和非周期性数据时隙以外的所有时隙。
[0118]
由于工业无线网络的时隙分配均基于以上所述的定制化超帧，因此在进行正式调度之前应该先确定超帧结构信息，包括超帧时长和时隙时长。在工业无线网络的时隙分配中，还有一个重要的参数是一个超帧中时隙数量，但是本方案不对时隙数量做具体研究，其原因是，确定超帧时长和时隙时长之后即可通过公式1计算出时隙数量。
[0119][0120]
num
slot
为一个超帧中时隙数量，t
superframe
为超帧时长，t
slot
为时隙时长。
[0121]
确定超帧时长：
[0122]
为了提高时隙分配的可预见性并降低调度的难度，本方案意欲使得周期性数据上传所占用的时隙在每个超帧中的分布一致，故而本方案规定各个有周期性数据上传需求的节点均必须在单个超帧中完成至少一次数据上传。
[0123]
因此，首先需要了解工业现场的业务需求(比如化工厂中的某个反应釜的温度数据需要定期上传)以确定有周期性数据上传需求的节点，并确定这些节点上传数据的周期，然后按照公式2将超帧时长确定为这些周期的最小公倍数。
[0124]
t
superframe
＝lcm(t1,t2,
…
,tn)
ꢀꢀꢀ
公式2
[0125]
t
superframe
为超帧时长，t1,t2,
…
,tn分别为n个有周期性数据上传需求的节点上传数据的周期。
[0126]
确定时隙时长：
[0127]
为了保证在一个时隙之内一个数据包拥有充足的时间可以从发送方到达接收方，本方案规定时隙时长为一个数据包走完网络中长度最大(此处的长度指跳数，并非物理意义上的空间距离)的路径所需要的时间。
[0128]
根据上段描述可知时隙时长与网络中最长路径的长度正相关，因此首先要根据所搭建网络的网络结构制作如表2所示的网络路径信息表(此处所说的网络路径不包含网络中的回环路径)。
[0129]
表2
[0130][0131]
其中iwni表示第i个工业无线网络，iwnsi表示第i个工业无线网络的工业无线网关， iwnr
i,j
表示第i个工业无线网络中的第j个路由设备，tsni表示第i个时间敏感网络交换机， isdc表示工业软件定义控制器，
→
表示从一个设备通向另一个设备的单跳路径。
[0132]
根据表2所示网络中各路径的路径长度，根据公式3可以计算出时隙时长。
[0133]
t
slot
＝(max(length1,length2,
…
,lengthn)+2)*t
hop
ꢀꢀꢀ
公式3
[0134]
t
slot
为时隙时长，length1,length2,
…
,lengthn分别为网络中所有的n条路径的路径长度， max(length1,length2,l,lengthn)之后加2的原因是表3的起始点不触及工业无线节点，而计算数据包在网络中传输时间的时候需要将工业无线节点到无线路由设备的时间计算在内，t
hop
为数据包经过每一跳所需的平均时间。
[0135]
第二步：采集节点发送数据包信息
[0136]
因为本方案中用于预测时隙需求的模型基于lstm(long short-term memory)神经网络而建立，故而需要采集数据包信息并依此构建用于lstm神经网络的训练集和测试集。
[0137]
由于此处采集的数据包信息仅用于预测各工业无线节点何时发送，因此此时仅仅要求网络中的工业无线节点可以根据其业务需求发送数据包，并不要求这些数据包被转发和接收。
[0138]
由于本方案中用于预测时隙需求的模型的应用场景是根据上一超帧中的时隙占用情况来预测紧邻的下一超帧中的时隙需求，因此此处采集的数据也应该在时间上保持连续，以保证模型训练的准确性。
[0139]
使用无线网络抓包工具抓取这些数据包，并按照表3记录其各类信息，其中时间戳、源节点、数据流类型都从抓取的数据包中直接获得，优先级是使用数据流类型结合表1所示的映射关系表映射得到的。
[0140]
表3
[0141]
数据包编号时间戳源节点数据流类型优先级10.000000iwnn
1,1,1
命令数据720.001000iwnn
1,1,2
p/s模式过程数据6
……………
n5.003000iwnn
2,1,2
p/s模式一般数据3
[0142]
第三步：构建训练集和测试集
[0143]
数据集提取：
[0144]
本方案中用于预测时隙需求的模型的应用场景是根据上一超帧中的时隙占用情
况来预测紧邻的下一超帧中的时隙需求，换言之该模型进行计算的基本单位是一整个超帧，所以应当将所采集的全部数据包提取到一个个超帧中，每一个超帧内数据包的信息即构成一个数据集，图4即数据集提取示意图。
[0145]
如图4所示，各数据集的第一个数据包的时间戳与下一个数据集的第一个数据包的时间戳之差为超帧时长，所以二者之间的前闭后开区间被提取到一个数据集中。需要注意的是每个数据集内的数据包个数不一定相等，这是因为数据集提取的依据是超帧时长和数据包的时间戳而非数据包个数。
[0146]
数据集信息填充补全：
[0147]
数据集提取只是将所采集的原始数据(即工业无线网络节点发送数据包)提取为了若干个数据集，但是正如数据集提取之后所注每个数据集内的数据包个数不一定相等，也就是说各数据集中的时隙并非全部被发送的数据包占据，而这些未被占据的时隙是空闲时隙。
[0148]
lstm神经网络所期待的输入应该是格式一致的，仅经过数据集提取的数据集内诸多时隙的信息缺失，所以应该将其填充补全，使每个数据集内信息最终呈现出表4中的结构。
[0149]
表4
[0150] iwnn
1,1,1
iwnn
1,1,2
…
iwnn
i,j,k
时隙112
…
4时隙245
…7……………
时隙m56
…2[0151]
iwnn
i,j,k
表示第i个工业无线网络中的第j个路由设备下挂载的第k个现场无线节点。
[0152]
单个数据集内信息为一个m
×
n维度的矩阵(此处m表示单个超帧中时隙数量，n表示异构网络中工业无线节点的数量，横表头和纵表头不计入内)，其中的每一个元素为一个数值，该数值表示某工业无线节点在当前超帧的某时隙发送数据的优先级(如果该数值为0则表示该节点在该时隙不发送数据)。以表5所示的矩阵中的第1
×
2个数值为例(表5中的各数值仅是为方便介绍而设置，并非实际应用中的确切数值)，该数值为2，表示第1个工业无线网络下的第1个路由设备所挂载的第2个节点在当前超帧的第2个时隙发送了优先级为2 的数据包。
[0153]
综合上述的单个数据集内信息结构可知，数据集信息填充补全的方法就是在数据集信息矩阵中，在因为空闲时隙而缺失的维度上填满0，以表示无节点于该时隙发送数据。
[0154]
数据集划分：
[0155]
根据数据集规模的不同，进行两种不同方式的划分，按照神经网络数据集划分的惯例进行一定比例的划分：
[0156]
小规模样本集(几万量级)：将所有数据集的60％划分为训练集、20％划分为验证集、 20％划分为测试集。
[0157]
大规模样本集(百万级以上)：将所有数据集的98％划分为训练集、1％划分为验证集、 1％划分为测试集。
[0158]
第四步：训练预测时隙需求的模型
[0159]
预测时隙需求的模型基于lstm神经网络进行训练，以下对训练过程中的各环节进行详细阐述。
[0160]
输入层：输入数据为表5所示的一个m
×
n维度的矩阵，其所代表的含义见离线阶段第三步。
[0161]
输出层：输出数据为表5所示的一个m
×
n维度的矩阵(此处m、n含义与输入数据相同)，其中的每一个元素为一个数值和一个百分比，该数值表示模型预测某工业无线节点在下一个超帧的某时隙可能发送数据的优先级(如果该数值为0则表示该节点在该时隙不发送数据)，该百分比表示该节点在该时隙发送数据的可能性(同一时隙的不同节点的可能性相加为1)。以表5所示的矩阵中的第1
×
2个元素为例(表5中的各数值和百分比仅是为方便介绍而设置，并非实际应用中的确切数值和百分比)，该数值为2、百分比为90％，表示模型预测第1个工业无线网络下的第1个路由设备所挂载的第2个节点将在下一个超帧的第2个时隙发送优先级为2的数据包，且其可能性为90％。
[0162]
表5
[0163] iwnn
1,1,1
iwnn
1,1,2
…
iwnn
i,j,k
时隙11,2％2,90％
…
0,0％时隙21,3％0,0％
…
7,90％
……………
时隙m3,90％0,0％
…
4,10％
[0164] 误差计算：误差计算如公式4所示。
[0165][0166]
公式4中，e为某次预测的误差，m为单个超帧时隙数量，n为工业无线节点数量，real
i,j
为实测下一个超帧的第i个时隙中第j个节点发送数据的优先级，forecast
i,j
为该次预测下一个超帧的第i个时隙中第j个节点发送数据的优先级，percent
i,j
为该次预测下一个超帧的第i 个时隙中第j个节点发送数据的可能性。
[0167]
验证：使用k折交叉验证法，利用划分好的验证集进行验证。
[0168]
模型性能测试：
[0169]
在测试中,训练集中的每一个数据集会对模型进行测试，每一次测试都会得到一个误差值，利用所有误差值按照公式5计算得到一个平均误差值，这个平均误差值可以评估模型的预测误差水平。
[0170][0171]
公式5中，为平均误差值，q为测试集中数据集的数量，ek为训练集中第k个数据集对模型进行测试得到的误差。
[0172]
最终需要将模型的平均误差与一个基准值相比较，这个基准值与所采集的所有发送数据包的优先级相关，代表了异构网络工作中数据包优先级的平均情况，可用于衡量模
型是否合格，公式6即基准值的计算公式。
[0173][0174]
公式6中，为基准值，p为数据集总数，m为单个超帧时隙数量，n为工业无线节点数量，real
k,i,j
为实测第k个数据集的第i个时隙中第j个节点发送数据的优先级。
[0175]
公式7即模型的平均误差与基准值的比较规则，按照公式6判断模型是否合格。
[0176][0177][0178]
公式6中，为平均误差值，为基准值。
[0179]
用户按照公式7进行比较，模型不合格则继续迭代，否则利用公式8、公式9对模型预测下的网络传输平均时延进行计算。
[0180][0181]
公式8中，表示空闲时隙在单个超帧中的平均时长，p为数据集总数，m为单个超帧中空闲时隙的数量，t
slot
的含义同公式3。
[0182][0183]
公式9中，表示平均时延，的含义同公式5，的含义同公式6，的含义同公式3，t
superframe
的含义同公式2，的含义同公式8。
[0184]
公式10为网络传输平均时延与要求平均时延的比较规则，用户按照公式9判断模型预测下的网络传输平均时延是否合格。
[0185][0186]
公式10中，的含义同公式8，delay
require
表示用户输入的要求平均时延。
[0187]
用户按照公式10进行比较，模型不合格则继续迭代，否则结束迭代，进入在线阶段。
[0188]
在线阶段
[0189]
第一步：配置异构网络
[0190]
用户将离线阶段确定的各种配置信息配置到协同调度子系统、工业无线网关、无线路由设备和工业无线节点中，详情如下：
[0191]
1)将超帧时长、时隙时长、网络路径信息表、预测时隙需求的模型配置至协同调度子系统；
[0192]
2)将超帧时长、时隙时长、网络路径信息表配置至工业无线网络的所有工业无线
网关、无线路由设备和工业无线节点。
[0193]
第二步：时隙预测、分配和信标广播
[0194]
在旧的超帧结束之后、新的超帧开始之前，将旧的超帧的发包信息(其结构如表4)输入到预测模型中，该模型会输出对于新的超帧的时隙需求的预测(其结构如表5)。根据模型输出的预测信息，按照时隙从先到后的顺序对各时隙依次进行分配。
[0195]
在某时隙内将可能性大于threshold
per
的节点筛选出来并为其分配该时隙，不为可能性小于threshold
per
的节点分配该时隙，将时隙分配的结果放入到表6所示的时隙分配表中。
[0196]
表6
[0197]
时隙编号得到该时隙分配的节点1iwnn
1,2,1
2iwnn
1,1,2
，iwnn
2,2,2
……
niwnn
1,1,2
[0198]
在时隙分配完毕之后，将时隙分配表写入到信标帧中，随着信标广播阶段信标广播到达工业无线网络的每个工业无线节点，时隙分配表也被更新到每个工业无线节点中，在新的超帧中，各节点将按照这个时隙分配表进行通信。
[0199]
第三步：数据传输
[0200]
时隙预测、分配和信标广播结束之后，数据传输开始进行，被发送的数据会根据具体情况被分配路径。主要有两类情况：用户发送的命令数据、节点发送的数据。
[0201]
用户发送的命令数据：用户发送命令是临时行为，不具有特定规律，不会被模型预测到，所以并未分配时隙，但由于其属于命令帧，具有最高的优先级，所以在网络路径中挑选最短路径直接传输即可。
[0202]
节点发送的数据：
[0203]
本方案利用各无线路由设备，使用如表7所示的路径占用表来记录从自己出发到各节点 (不包括该路由挂载的节点)以及isdc的所有路径的占用情况。
[0204]
以表7中第1行为例来说明路径占用表中数据的含义，第1行表示当前路径为路径编号为1的路径，该路径的目的节点为第2个工业无线网络中第1个路由器挂在的第1个节点，到达该路径的详细路径为iwnr
1,1
→
iwns1→
tsni→
iwns2→
iwnr
2,1
→
iwnn
2,1,1
，该路径长度为5，该路径目前已经被两条数据占用，这两条数据的优先级分别为2和3。
[0205]
路径占用表于在线阶段的配置异构网络阶段进行初始化，各无线路由设备从利用配置的网络路径信息表中挑选出从自己出发到各节点(不包括该路由挂载的节点)以及isdc的所有路径，然后按照网络路径信息表填充目的节点一栏，将占用该路径的数据的优先级一栏填充为0。
[0206]
路径占用表的占用该路径的数据的优先级一栏，在每次新超帧开始时全部置0，在数据传输阶段每次有其中路径被发送数据占用时更新。
[0207]
表7
[0208][0209]
节点发送数据时进行路径分配的情况较多，如图5所示。
[0210]
1)：判断发送数据的节点是否被分配到了时隙，若是，执行步骤2)，若否，则判断当前时隙是否为空闲时隙，若是，执行步骤2)，若否，再判断该节点发送数据优先级是否大于所有已分配到该时隙的节点要发送数据的优先级，若大于，则执行步骤2)，若否，则该节点进行等待，知道下一个空闲时隙开始；
[0211]
2)：该节点发送数据到其直接连接的路由；
[0212]
3)：路由判断路径占用表中是否有剩余路径，若有，则将剩余路径中的最短路径分配给该节点，然后更新路径占用表，路径分配成功，开始传输；若路径占用表中无剩余路径，执行步骤4)；
[0213]
4)：路由将路径占用表中各已被占用路径按照占用该路径的数据的优先级按从高到低进行排序；
[0214]
5)：路由将占用当前路径数据与该节点发送数据的优先级进行比较，若该节点发送数据的优先级更高，则该节点与现在做比较的数据共用同一条路径，路由更新占用表，路径分配成功，开始传输；若该节点发送数据的优先级较低，则路由检查路径占用表中的下一条路径，返回步骤4)；
[0215]
数据在路径分配成功后进行传输，在某节点发送的数据到达其所在的工业无线网络的工业无线网关时，工业无线网关将该次数据传输的信息发送到isdc协同调度子系统，isdc协同调度子系统将其添加到表5所示的信息表中，作为下一个超帧中lstm神经网络预测模型的输入。
[0216]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
技术特征：1.一种基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，其特征在于：包括以下步骤：离线阶段：s1：对工业无线网络中的超帧结构进行定制化处理，用户确定超帧时长和时隙时长，并计算时隙数量；s2：用户采集节点发送数据包信息，所述数据包信息在时间上保持连续；s3：用户构建时隙需求预测模型的训练集和测试集；s4：对时隙需求预测模型进行训练；在线阶段：s5：配置异构网络：用户将离线阶段确定的配置信息配置到协同调度子系统、工业无线网关、无线路由设备和工业无线节点中；s6：时隙预测、分配和信标广播；s7：工业无线网络中各节点根据分配的路径进行数据传输。2.根据权利要求1所述的基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，其特征在于：步骤s1中，定制化超帧分为信标广播阶段和数据传输阶段，在信标广播阶段，协同调度子系统使用时隙需求预测模型对新一轮超帧中各节点的时隙需求进行预测，并按照预测结果对新一轮超帧的时隙进行分配，随后工业无线网关广播信标帧到工业无线网络，信标帧中携带了新一轮超帧的时隙分配表；在数据传输阶段，各时隙依照信标帧中携带的时隙分配表进行分类，其中的时隙分为周期性数据时隙、非周期性数据时隙和空闲时隙，周期性数据时隙被分配给有周期性数据上传需求的节点，非周期性数据时隙被分配给时隙需求预测模型所确定的需要发送非周期数据的节点，空闲时隙阶是除周期型数据时隙和非周期性数据时隙以外的所有时隙。3.根据权利要求1所述的基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，其特征在于：步骤s1中，所述确定超帧时长具体包括：首先用户了解工业现场的业务需求以确定有周期性数据上传需求的节点，并确定这些节点上传数据的周期，然后按照下式将超帧时长确定为这些周期的最小公倍数：t
superframe
＝lcm(t1,t2,
…
,t
n
)其中t
superframe
为超帧时长，t1,t2,
…
,t
n
分别为n个有周期性数据上传需求的节点上传数据的周期，lcm表示最小公倍数；所述确定时隙时长具体包括：时隙时长与网络中最长路径的长度正相关，根据网络中各路径的路径长度，计算出时隙时长：t
slot
＝(max(length1,length2,
…
,length
n
)+2)*t
hop
t
slot
为时隙时长，length1,length2,
…
,length
n
分别为网络中所有的n条路径的路径长度，max表示取最大值，t
hop
为数据包经过每一跳所需的平均时间。4.根据权利要求1所述的基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，其特征在于：步骤s3中所述构建训练集和测试集，具体包括：s31：数据集提取：将所采集的全部数据包提取到一个个超帧中，每一个超帧内数据包的信息即构成一个数据集，各数据集的第一个数据包的时间戳与下一个数据集的第一个数据包的时间戳之差为超帧时长，二者之间的前闭后开区间被提取到一个数据集中；
s32：数据集信息填充补全：将数据集内诸多时隙的信息缺失进行填充补全；单个数据集内信息为一个m
×
n维度的矩阵，其中m表示单个超帧中时隙数量，n表示异构网络中工业无线节点的数量，横表头和纵表头不计入内；其中的每一个元素为一个数值，表示某工业无线节点在当前超帧的某时隙发送数据的优先级；在数据集信息矩阵中，在因为空闲时隙而缺失的维度上填满0，以表示无节点于该时隙发送数据；s33：数据集划分：百万级数据以下规模的数据集，将所有数据集的60％划分为训练集、20％划分为验证集、20％划分为测试集；百万级数据以上规模的数据集，将所有数据集的98％划分为训练集、1％划分为验证集、1％划分为测试集。5.根据权利要求1所述的基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，其特征在于：步骤s4中所述对时隙需求预测模型进行训练，具体包括：输入数据为训练集中的m
×
n维度的矩阵；输出数据为m
×
n维度的矩阵，其中的每一个元素为一个数值和一个百分比，数值表示模型预测某工业无线节点在下一个超帧的某时隙可能发送数据的优先级，百分比表示该节点在该时隙发送数据的可能性；误差计算如下式：其中e为某次预测的误差，m为单个超帧时隙数量，n为工业无线节点数量，real
i,j
为实测下一个超帧的第i个时隙中第j个节点发送数据的优先级，forecast
i,j
为该次预测下一个超帧的第i个时隙中第j个节点发送数据的优先级，percent
i,j
为该次预测下一个超帧的第i个时隙中第j个节点发送数据的可能性；使用k折交叉验证法，利用划分好的验证集进行验证；对模型进行性能分析：利用训练集中每个数据集对模型进行测试得到的误差值按下式计算得到平均误差值：其中为平均误差值，q为测试集中数据集的数量，e
k
为训练集中第k个数据集对模型进行测试得到的误差；通过下式计算误差基准值：通过下式计算误差基准值：为基准值，p为数据集总数，m为单个超帧时隙数量，n为工业无线节点数量，real
k,i,j
为实测第k个数据集的第i个时隙中第j个节点发送数据的优先级；最后将平均误差值与误差基准值进行比较，判断模型是否合格：合格合格
若模型不合格则继续迭代，否则利用以下公式对模型预测下的网络传输平均时延进行计算：其中表示空闲时隙在单个超帧中的平均时长，p为数据集总数，m为单个超帧中空闲时隙的数量，t
slot
为时隙时长；为时隙时长；表示平均时延，t
superframe
为超帧时长；以下为网络传输平均时延与要求平均时延的比较规则，用户用其判断模型预测下的网络传输平均时延是否合格；合格不合格delay
require
表示用户输入的要求平均时延；模型不合格则继续迭代，否则结束迭代，进入在线阶段。6.根据权利要求1所述的基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，其特征在于：步骤s5中，具体包括：用户将超帧时长、时隙时长、网络路径信息表、预测时隙需求的模型配置至协同调度子系统；用户将超帧时长、时隙时长、网络路径信息表配置至工业无线网络的所有工业无线网关、无线路由设备和工业无线节点。7.根据权利要求1所述的基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，其特征在于：步骤s6中，具体包括：在旧的超帧结束之后、新的超帧开始之前，协同调度子系统将旧的超帧的发包信息输入到所述时隙需求预测模型中，输出新的超帧的时隙需求预测信息，按照时隙从先到后的顺序对各时隙依次进行分配；在某时隙内将可能性大于threshold
per
的节点筛选出来并为其分配该时隙，不为可能性小于threshold
per
的节点分配该时隙，将时隙分配的结果放入时隙分配表中；在时隙分配完毕之后，工业无线网关将时隙分配表写入到信标帧中，随着信标广播阶段信标广播到达工业无线网络的每个工业无线节点，时隙分配表也被更新到每个工业无线节点中，在新的超帧中，各节点按照这个时隙分配表进行通信。8.根据权利要求1所述的基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，其特征在于：步骤s7中所述传输的数据包括用户发送的命令数据、节点发送的数据，其中用户发送的命令数据不被分配时隙，具有最高的优先级，在网络路径中挑选最短路径直接传输；所述节点发送的数据按照以下流程进行传输：s71：路由判断发送数据的节点是否被分配到了时隙，若是，执行步骤s72，若否，则判断当前时隙是否为空闲时隙，若是，执行步骤s72，若否，再判断该节点发送数据优先级是否大于所有已分配到该时隙的节点要发送数据的优先级，若大于，则执行步骤s72，若否，则该节
点进行等待，知道下一个空闲时隙开始；s72：该节点发送数据到其直接连接的路由；s73：路由判断路径占用表中是否有剩余路径，若有，则将剩余路径中的最短路径分配给该节点，然后更新路径占用表，路径分配成功，开始传输；若路径占用表中无剩余路径，执行步骤s74；s74：路由将路径占用表中各已被占用路径按照占用该路径的数据的优先级按从高到低进行排序；s75：路由将占用当前路径数据与该节点发送数据的优先级进行比较，若该节点发送数据的优先级更高，则该节点与现在做比较的数据共用同一条路径，路由更新占用表，路径分配成功，开始传输；若该节点发送数据的优先级较低，则路由检查路径占用表中的下一条路径，返回步骤s74；s76：数据在路径分配成功后进行传输，在某节点发送的数据到达其所在的工业无线网络的工业无线网关时，工业无线网关将该次数据传输的信息发送到协同调度子系统，协同调度子系统将其添加到数据集中，作为下一个超帧中时隙需求预测模型的输入。9.根据权利要求1所述的基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，其特征在于：所述路径占用表是各无线路由设备用于记录从自己出发到各节点以及工业软件定义控制器的所有路径的占用情况，包括路径编号，该路径的目的节点，到达该路径的详细路径，该路径长度，占用该路径的数据的数量及其优先级；路径占用表于在线阶段的配置异构网络阶段进行初始化，各无线路由设备从利用配置的网络路径信息表中挑选出从自己出发到各节点以及工业软件定义控制器的所有路径，然后按照网络路径信息表填充目的节点一栏，将占用该路径的数据的优先级一栏填充为0；路径占用表的占用该路径的数据的优先级一栏，在每次新超帧开始时全部置0，在数据传输阶段每次有其中路径被发送数据占用时更新。
技术总结本发明涉及一种基于逐步逼近的面向时间敏感网络与工业无线网络的联合调度方法，属于工业无线网络调度领域，包括以下步骤：离线阶段：S1：对工业无线网络中的超帧结构进行定制化处理，确定超帧时长和时隙时长，并计算时隙数量；S2：采集节点发送数据包信息，所述数据包信息在时间上保持连续；S3：构建时隙需求预测模型的训练集和测试集；S4：对时隙需求预测模型进行训练；在线阶段：S5：配置异构网络：将离线阶段确定的配置信息配置到协同调度子系统、工业无线网关、无线路由设备和工业无线节点中；S6：时隙预测、分配和信标广播；S7：根据分配的路径进行数据传输。本发明保证了异构网络的灵活性和确定性。灵活性和确定性。灵活性和确定性。
技术研发人员：魏旻 杨树杰 余鑫洋 余涛 洪承镐
受保护的技术使用者：重庆邮电大学
技术研发日：2022.06.27
技术公布日：2022/11/1
