引用本文

 

王恒, 刘清华, 李敏, 谭帅. 考虑链路重传的工业无线网络确定性调度算法. 自动化学报, 2021,  47(11): 2664−2674 doi: 10.16383/j.aas.c190368

Wang Heng, Liu Qing-Hua, Li Min, Tan Shuai. Orchestration methods with determinacy in wireless industrial network by considering repeat transmissions. Acta Automatica Sinica, 2021,  47(11): 2664−2674 doi: 10.16383/j.aas.c190368

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190368

关键词

 

工业无线网络，确定性调度，截止时间约束，链路重传 

 

摘要

 

作为工业网络的关键技术, 确定性调度通过合理安排网络传输资源, 满足工业数据在规定时间内到达目标设备的实时性要求. 工业网络往往部署在环境恶劣、电磁情况复杂的工业现场, 与有线网络相比, 工业无线网络还面临着严重的丢包问题. 考虑到重传是克服链路丢包的简便高效方法, 本文提出了支持持续重传和区间重传两种策略的确定性调度算法. 基于链路时槽松弛度和动态优先级, 调度算法在每个时槽按照调度规则为重传链路配置通信资源, 缓解丢包对数据传输的影响, 并围绕对应重传策略进行相应的时槽、频点优化分配, 保障数据端到端按时到达. 仿真结果表明, 所提调度算法在满足传输确定性的前提下, 有效提升了数据传输的可靠性.

 

文章导读

 

工业无线网络是工业物联网的重要支撑性网络, 具有部署方便、组网灵活、易于维护等优点, 对网络数据的传输有严格的可靠性和实时性要求[ 1- 2]. 现有工业无线网络采用了跳频、重传、多路径等机制, 以保证数据能够可靠的到达目标设备, 避免工业环境中各种干扰的影响; 同时支持时钟同步、确定性调度等技术, 使网络能够满足数据收发的实时需求, 确保数据在规定时间内传输完成[ 3- 5]. 此外, 工业无线网络通常还使用多信道机制和时分多址接入(Time division multiple access, TDMA)技术为网络中的数据传输提供必需的时槽和信道等通信资源[ 6].

 

工业无线网络中的确定性调度技术通过高效配置时槽与频点资源, 满足网络中每条通信流的截止时间约束, 以保证网络数据的实时传输. 由于该问题属于NP完全问题[ 7], 通常针对不同的网络情况, 采用不同的求解策略和目标对其进行研究. 现有的工业无线网络主要包括WirelessHART、WIA-PA、ISA100.11a等网络[ 8], 在上述网络中对确定性调度的研究已取得了一定的成果. 围绕WirelessHART标准, 在分析调度所需基本前提的基础上, 文献[ 9]基于干扰感知松弛度, 提出了C-LLF (Conflict-aware least laxity first)调度算法, 通过在当前时槽计算网络中所有就绪链路的干扰感知松弛度, 使松弛度小的链路优先获得网络资源, 取得了较高的调度成功率. 文献[ 10]对混合优先级情况下的实时通信进行了研究, 提出了一种基于固定优先级调度的端到端时延分析方法. 文献[ 11]提出了一种分布式WirelessHART实时调度方案, 通过时间区间分配机制, 设备只需执行本地调度策略, 无需在网络中传递全局调度信息, 从而降低了网络资源开销. 文献[ 12]给出了一种基于迭代的多跳WirelessHART调度算法, 在截止时间限制下能够最小化端到端传输时延. 文献[ 13]对多个WirelessHART网络共存场景下的调度问题进行了专门研究, 利用有效的频点管理和流调度策略, 实现了网络的相互隔离与数据的可靠传输. 针对WIA-PA网络的调度问题, 文献[ 14]提出了适用于WIA-PA网络的基于回溯法的最优调度算法和基于最小时间松弛度优先的调度算法, 并针对WIA-PA网络分为簇内通信和簇间通信不同阶段的特点进行了优化设计. 文献[ 15]基于跳链路的思想, 提出了一种频点分配方案, 能够有效利用网络中的频率资源, 减少干扰反应时间. 针对ISA100.11a网络的调度问题, 文献[ 16]为满足实时性要求, 设计了容纳实时消息、报警消息和非实时消息的超帧, 并以此提出了基于ISA100.11a专用时槽的消息调度方案. 除了围绕典型工业无线网络标准进行研究外, 还有一些工作针对特定的工业无线网络场景进行了调度算法优化设计. 文献[ 17]针对扰动存在下的工业无线网络提出了一种分布式调度架构, 通过非中心化的本地决策, 实现了对扰动的快速调度响应. 文献[ 18]针对时间触发通信流与事件触发通信流并存的网络场景, 在分析虚拟周期、时槽复用等基础调度方法的基础上, 提出了一种混合型中心式调度算法, 获得了接近于最优方法的调度性能. 文献[ 19]考虑不同网络位置拥有不同可用频点集的场景, 提出了面向树型工业无线网络的启发式汇聚调度算法, 实现了对差异化链路可用频点集的优化支持. 对于拥有多个射频收发单元的工业无线现场设备, 文献[ 20]提出了一种综合考虑时槽、频点和射频接口分配的调度算法, 提高了调度成功率. 文献[ 21]针对截止时间随机可变的场景, 通过分析待调度系统的状态、动作空间、条件转移概率和成本函数, 将该场景下的调度问题转换为不可观测的马尔科夫决策问题, 并提出了基于平均截止时间优先的低复杂度求解方法. 文献[ 22]设计了一种考虑数据到达率的调度方法, 加快了网络响应时间. 文献[ 23]考虑了网络中链路选取过程与时槽调度过程之间的前后关联性, 提出了一种链路与时槽的联合优化分配方案, 改善了网络调度性能.

 

此外, 考虑到工业无线网络是无线传感器网络的行业应用, 一些面向通用无线传感器网络所提出的调度算法, 对于工业无线网络确定性调度问题的研究, 仍具有一定的参考价值. 文献[ 24- 26]针对无线传感器网络中的调度问题, 探索采用粒子群算法、模拟退火算法、遗传算法等方法进行解决. 文献[ 27]利用机器学习技术, 提出了一种基于优先级感知的数据交换调度算法, 改善了无线传感器网络的平均时延性能.

 

工业现场环境复杂、干扰众多, 使得工业无线网络中的数据传输经常发生丢包现象. 丢包会导致数据传输失败, 影响网络正常的调度运行. 对抗丢包问题的典型方法包括自动重传请求(Automatic repeat-request, ARQ)、冗余多路径等. 重传是一种简单有效的机制, 在三种主要的工业无线网络标准中都得到了支持, 它通过为传输链路分配额外的时槽、频点资源, 在传输失败时利用这些通信资源重新发送数据, 避免网络丢包的影响, 提升数据通信的可靠性.

 

围绕工业无线网络调度中的丢包与重传问题, 文献[ 6]、[ 9]在仿真实验中考虑了网络丢包, 发现丢包的存在显著降低了调度成功率. 文献[ 28- 29]在工业场景中将ARQ与节点间的中继协作联合使用, 进一步降低了系统丢包率; 文献[ 30- 31]在工业网络路由策略中引入了重传操作, 提高了路由方法的可靠性, 但文献[ 28- 31]均未将重传机制与确定性调度深入结合. 文献[ 32]考虑了ARQ机制对调度的影响, 但只局限在单跳网络内, 没有解决更重要的多跳网络重传调度问题. 针对以上问题, 本文面向使用多信道和TDMA机制的多跳工业无线网络, 结合通信流的截止时间条件, 建立了支持链路重传机制的调度网络模型; 在分析可调度条件和优先处理条件的基础上, 分别针对数据包传输失败后立即进行持续重传的场景和在一定时间区间内完成重传的场景, 提出了相应的时槽、频点调度算法, 在满足传输确定性的前提下, 有效提升了网络可靠性.

图 1  网络模型图

图 3  调度成功率与设备数量关系图

图 5  调度成功率与丢包率关系图

 

本文在建立工业无线网络调度模型的基础上, 分析了通信流调度的必要条件和动态优先级确定方法, 针对持续重传和区间重传两种重传策略, 分别提出了DS-CR算法和DS-IWR算法. 仿真结果表明, 所提出的两种调度算法相比经典的实时调度算法和C-LLF算法, 在网络数据丢包的情况下, 可以取得更高的调度成功率, 保证了传输可靠性, 实现了数据传输实时与可靠之间的有效均衡. 下一步将考虑对调度算法与路由协议进行联合设计, 通过双重优化进一步提升网络整体调度性能.

 

作者简介

 

王恒

重庆邮电大学自动化学院教授. 2010年获得重庆大学博士学位. 主要研究方向为工业物联网, 无线传感器网络, 协作通信. 本文通信作者. E-mail: wangheng@cqupt.edu.cn

 

刘清华

重庆邮电大学自动化学院硕士研究生. 主要研究方向为工业无线网络. E-mail: liuqinghua318@163.com

 

李敏

重庆邮电大学自动化学院副教授. 2014年获得重庆大学博士学位. 主要研究方向为协作通信, 无线传感器网络, 机器人技术. E-mail: limin@cqupt.edu.cn

 

谭帅

重庆邮电大学自动化学院硕士研究生. 主要研究方向为工业物联网. E-mail: tanshuai4253@163.com

转载本文请联系原作者获取授权，同时请注明本文来自欧彦科学网博客。
链接地址： https://blog.sciencenet.cn/blog-3291369-1347394.html

上一篇： 西班牙哈恩大学Luis Martínez教授等： 大规模群体决策综述
下一篇： 基于R2指标和参考向量的高维多目标进化算法