结合DM-KM分组的TAS机制增量式调度方法

doi:10.7527/S1000-6893.2025.32097

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

结合DM-KM分组的TAS机制增量式调度方法

景世龙¹, 施睿², 周璇³, 闫嘉伟⁴, 何锋¹()

^1.北京航空航天大学电子信息工程学院，北京 100083
^2.中国运载火箭技术研究院空间物理重点实验室，北京 100076
^3.中央民族大学信息工程学院，北京 100081
^4.中国运载火箭技术研究院研究发展中心，北京 100076

收稿日期:2025-04-09 修回日期:2025-05-06 接受日期:2025-06-16 出版日期:2025-07-28 发布日期:2025-07-25
通讯作者: 何锋 E-mail:fenghe@buaa.edu.cn
基金资助:
国家自然科学基金(U2333213);国家自然科学基金(62301014);国家自然科学基金(62071023)

Incremental TAS scheduling method with DM-KM grouping

Shilong JING¹, Rui SHI², Xuan ZHOU³, Jiawei YAN⁴, Feng HE¹()

^1.School of Electronic and Information Engineer，Beihang University，Beijing 100083，China
^2.Key Laboratory of Science and Technology on Space Physics，China Academy of Launch Vehicle Technology，Beijing 100076，China
^3.School of Information Engineering，Minzu University of China，Beijing 100081，China
^4.Research & Development Center，China Academy of Lunch Vehicle Technology，Beijing 100076，China

Received:2025-04-09 Revised:2025-05-06 Accepted:2025-06-16 Online:2025-07-28 Published:2025-07-25
Contact: Feng HE E-mail:fenghe@buaa.edu.cn
Supported by:
National Natural Foundation of China(U2333213)

摘要/Abstract

摘要：

针对航天器大规模时间敏感组网应用中面临的时间感知调度（TAS）调度求解规模较低、速度较慢的问题，提出了一种基于距离矩阵和K-means聚类分组的DM-KM流量分组算法，并完成与之结合的增量式TAS调度方法设计。首先，构建流量网络模型，使用基于熵权法的加权综合距离矩阵表示流量之间的相关性。在该模型的基础上，设计并实现了结合DM-KM流量分组的增量式调度算法。所提出的分组方法具有较大的组内相似性和较低的组间相似性，流量分组能够有效提升增量式调度求解速度。实验结果表明：与现有DoC-KM和CILP-KM分组算法相比，在1 000条流量调度场景下，DM-KM算法在维持较高求解速度的基础上，拥有较好的可调度性。相较于其他调度算法，求解规模提升最大可达32.36%，为TSN网络在航天器大规模组网提供了分组增量式的调度解决方案。

关键词: 时间敏感网络（TSN）, 时间感知调度（TAS）, 流量分组, 增量式求解框架, 箭载网络

Abstract:

In large-scale， time-sensitive networking applications for spacecraft， the Time-Aware Scheduling （TAS） scheduling often faces challenges such as relatively low solving scale and slow speed. This paper proposes a DM-KM traffic grouping algorithm based on a distance matrix and K-means clustering， and integrated with it， designs an incremental TAS scheduling method. First， a traffic network model is constructed， using a weighted comprehensive distance matrix based on the entropy weight method to represent the correlations between traffic flows. Then， an incremental scheduling algorithm combined with DM-KM traffic grouping is designed and implemented. The proposed grouping method achieves high intra-group similarity and low inter-group similarity， which effectively improves the solving speed of the incremental scheduling. Experimental results show that compared with the existing DoC-KM and CILP-KM grouping algorithms， the DM-KM algorithm achieves better schedulability while maintaining a high solving speed in a 1000-traffic scheduling scenario. Compared with other scheduling algorithms， the solving scale can be improved by up to 32.36%， providing a grouping and incremental scheduling solution for Time-Sensitive Networking （TSN） in large-scale spacecraft networks.

Key words: Time-Sensitive Network (TSN), Time-Aware Shaper (TAS), flow grouping, incremental solving framework, on-board network

中图分类号:

V443

景世龙, 施睿, 周璇, 闫嘉伟, 何锋. 结合DM-KM分组的TAS机制增量式调度方法[J]. 航空学报, 2026, 47(2): 332097.

Shilong JING, Rui SHI, Xuan ZHOU, Jiawei YAN, Feng HE. Incremental TAS scheduling method with DM-KM grouping[J]. Acta Aeronautica et Astronautica Sinica, 2026, 47(2): 332097.

图/表 9

图1

表1

符号表

符号	意义
$τ$	单条TT流量
$T$	流量周期
$L$	流量帧长
$P$	流量路由
$O$	首次转发偏置时刻
$h$	路由跳数
$F$	流量集合
$e$	流量节点之间的相关性
$s i m i i n t r a$	组内相似性
$s i m i i n t e r$	组间相似性

表1

图 2

图 3

图 4

图 5

图 6

表2

表3

参考文献 20

[1]	IEEE. IEEE Approved Draft Standard for Local and metropolitan area networks--Bridges and Bridged Networks： P802.1 ［S］. Piscataway： IEEE，2016.
[2]	ZHENG W， YANG Y， LIU MY， et al. Development of data bus technology in next generation spacecraft［C］∥ CSAA/IET International Conference on Aircraft Utility Systems （AUS 2020）. London： IET， 2020： 109-114.
[3]	赵国锋，卢奕杉，徐川，等. 面向航天器有线无线混合场景的流调度机制研究［J］. 电子与信息学报， 2023， 45（2）： 464-471.
	ZHAO G F， LU Y S， XU C， et al. Research on flow scheduling mechanism for spacecraft wired wireless hybrid scenario［J］. Journal of Electronics & Information Technology， 2023， 45（2）： 464-471 （in Chinese）.
[4]	ALNAJIM A， SALEHI S， SHEN C C. Incremental path-selection and scheduling for time-sensitive networks［C］∥2019 IEEE Global Communications Conference （GLOBECOM）. Piscataway： IEEE Press， 2019： 1-6.
[5]	NAYAK N G， DÜRR F， ROTHERMEL K. Incremental flow scheduling and routing in time-sensitive software-defined networks［J］. IEEE Transactions on Industrial Informatics， 2018， 14（5）： 2066-2075.
[6]	CRACIUNAS S S， OLIVER R S， CHMELÍK M， et al. Scheduling real-time communication in IEEE 802.1Qbv time sensitive networks［C］∥ Proceedings of the 24th International Conference on Real-Time Networks and Systems. New York： ACM， 2016： 183-192.
[7]	ZHANG Y Z， XU Q M， XU L， et al. Efficient flow scheduling for industrial time-sensitive networking： a divisibility theory-based method［J］. IEEE Transactions on Industrial Informatics， 2022， 18（12）： 9312-9323.
[8]	ZHOU X， HE F， ZHAO L X， et al. Hybrid scheduling of tasks and messages for TSN-based avionics systems［J］. IEEE Transactions on Industrial Informatics， 2024， 20（2）： 1081-1092.
[9]	STÜBER T， OSSWALD L， LINDNER S， et al. A survey of scheduling algorithms for the time-aware shaper in time-sensitive networking （TSN）［J］. IEEE Access， 2023， 11： 61192-61233.
[10]	ZHANG Y Z， CHEN C L， XU Q M， et al. Scalable scheduling for industrial time-sensitive networking： A hyper-flow graph-based scheme［J］. IEEE/ACM Transactions on Networking， 2024， 32（6）： 4810-4825.
[11]	YAN J L， QUAN W， JIANG X Y， et al. Injection time planning： Making CQF practical in time-sensitive networking［C］∥IEEE INFOCOM 2020-IEEE Conference on Computer Communications. Piscataway： IEEE Press， 2020： 616-625.
[12]	YU W H， RUAN K， TANG H， et al. Routing hypergraph convolutional recurrent network for network traffic prediction［J］. Applied Intelligence， 2023， 53（12）： 16126-16137.
[13]	YU Q H， GU M. Adaptive group routing and scheduling in multicast time-sensitive networks［J］. IEEE Access， 2020， 8： 37855-37865.
[14]	ATALLAH A A， HAMAD G B， MOHAMED O A. Routing and scheduling of time-triggered traffic in time-sensitive networks［J］. IEEE Transactions on Industrial Informatics， 2020， 16（7）： 4525-4534.
[15]	LI C， ZHANG Z Y， ZHENG W， et al. Joint routing and scheduling for dynamic applications in multicast time-sensitive networks［C］∥2021 IEEE International Conference on Communications Workshops（ICC Workshops）.Piscataway： IEEE Press， 2021： 1-6.
[16]	XU L， XU Q M， TU J Z， et al. Learning-based scalable scheduling and routing co-design with stream similarity partitioning for time-sensitive networking［J］. IEEE Internet of Things Journal， 2022， 9（15）： 13353-13363.
[17]	TU J Z， XU Q M， XU L， et al. SSL-SP： A semi-supervised-learning-based stream partitioning method for scale iterated scheduling in time-sensitive networks［C］∥ 2021 22nd IEEE International Conference on Industrial Technology （ICIT）. Piscataway： IEEE Press， 2021： 1182-1187.
[18]	PANG Z Y， HUANG X， LI Z H， et al. Flow scheduling for conflict-free network updates in time-sensitive software-defined networks［J］. IEEE Transactions on Industrial Informatics， 2021， 17（3）： 1668-1678.
[19]	何锋，周璇，赵长啸，等. 航空电子系统机载网络实时性能评价技术［J］. 北京航空航天大学学报， 2020， 46（4）： 651-665.
	HE F， ZHOU X， ZHAO C X， et al. Real-time performance evaluation technology of airborne network for avionics system［J］. Journal of Beijing University of Aeronautics and Astronautics， 2020， 46（4）： 651-665 （in Chinese）.
[20]	程博文，刘伟伟，何熊文，等. 猎户座飞船电子系统设计特点分析与启示［J］. 航天器工程， 2016， 25（4）： 102-107.
	CHENG B W， LIU W W， HE X W， et al. Research on Orion electronic system［J］. Spacecraft Engineering， 2016， 25（4）： 102-107 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

案例	DM-KM	DoC-KM	CILP-KM
200	0.843 8	0.006 0	0.004 3
400	0.217 6	0.003 0	0.002 5
600	0.143 9	0.002 0	0.003 0
800	0.150 1	0.002 0	0.003 3
1 000	0.102 6	0.002 0	0.003 5

案例	DM-KM	DoC-KM	CILP-KM
200	0.081 5	0.032 9	0.027 4
400	0.025 3	0.017 7	0.016 2
600	0.010 3	0.010 4	0.016 4
800	0.005 5	0.014 1	0.019 0
1 000	0.000 3	0.010 5	0.018 2

结合DM-KM分组的TAS机制增量式调度方法

Incremental TAS scheduling method with DM-KM grouping

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 20

相关文章 15

编辑推荐

Metrics

本文评价

[1]	苏继东, 徐伟琳, 翟盛华, 王伟, 何亚婷. 航天器自组网技术实践与展望[J]. 航空学报, 2024, 45(5): 529912-529912.
[2]	李小平, 杨敏, 姚博, 刘彦明, 石磊, 刘浩岩, 李乘光. 可重复使用运载火箭再入段星箭协同可靠通信技术[J]. 航空学报, 2023, 44(23): 628906-628906.
[3]	陈博, 郭路瑶, 梁宝柱, 姜泽, 李明, 许允斗, 赵永生. 一种双向平板折展单元机构及其运动过程分析[J]. 航空学报, 2023, 44(2): 426720-426720.
[4]	韩博, 许允斗, 姚建涛, 郑东, 张硕, 赵永生. 空间对称型7R机构运动特性分析及组合应用[J]. 航空学报, 2019, 40(4): 422536-422536.
[5]	刘静宇, 崔玉福, 许萌, 何红艳, 尹欢, 王钰. 微振动影响下的TDICCD相机图像复原方法[J]. 航空学报, 2018, 39(S1): 722230-722230.
[6]	周旺旺, 姚佩阳, 张杰勇, 王勋, 魏帅. 基于深度神经网络的空中目标作战意图识别[J]. 航空学报, 2018, 39(11): 322468-322476.
[7]	王红卫, 范翔宇, 陈游, 宋海方, 杨远志. 基于切片熵权的WHT多LFM信号识别方法[J]. 航空学报, 2017, 38(1): 320023-320023.
[8]	侯毅, 刘荣科, 彭皓, 赵岭, 熊庆旭. 适用于空间通信的LDPC码GPU高速译码架构[J]. 航空学报, 2017, 38(1): 320107-320107.
[9]	牛小骥, 班亚龙, 张提升, 刘经南. GNSS/INS深组合技术研究进展与展望[J]. 航空学报, 2016, 37(10): 2895-2908.
[10]	张可, 刘增军, 聂俊伟, 朱祥维, 孙广富. 基于分布式地面站天线的空间功率合成[J]. 航空学报, 2016, 37(6): 1912-1920.
[11]	肖永生, 周建江, 黄丽贞, 张向阳. 基于OTR和SHT的射频隐身雷达信号设计[J]. 航空学报, 2016, 37(6): 1931-1939.
[12]	范怀涛, 张志敏, 李宁, 魏云龙. 基于IMU的机载TOPSAR目标定位方法[J]. 航空学报, 2016, 37(5): 1587-1594.
[13]	何炜琨, 窄秋苹, 王晓亮, 吴仁彪. 扫描模式航管监视雷达风电场杂波检测与抑制[J]. 航空学报, 2016, 37(4): 1316-1326.
[14]	宋青平, 刘荣科. 一种用于深空自主无线电的码速率估计算法[J]. 航空学报, 2015, 36(7): 2301-2309.
[15]	陈思远, 张晓玲, 师君, 张海. 自旋式飞行器三维SAR成像及测高新模型[J]. 航空学报, 2015, 36(4): 1240-1249.