原文传递
车载TSN预留类数据时延模型研究
| 论文题名： | 车载TSN预留类数据时延模型研究 |
| 关键词： | 车载以太网时间敏感网络;预留类数据;时延分析;流量调度;强化学习 |
| 摘要： | 随着智能网联汽车的不断发展，自动驾驶汽车逐渐成为了研究热点，随之而来的是车载网络中出现了越来越多的电子控制单元。为了满足车载网络日益增加的带宽需求，将车载以太网时间敏感网络（Time Sensitive Networking，TSN）应用于汽车骨干网络已经成为了一个重要趋势。然而，将TSN技术真正落实到车载网络之中还面临诸多问题，其中保障数据传输的实时性是尤为重要的一环。因此，为了更加准确地分析车载以太网TSN网络中数据的时延，本文以TSN网络中的预留类（Stream Reservation，SR）数据为研究对象，在数据队列转发时延模型的基础上，结合SARSA强化学习算法拟合车载TSN流量调度机制，建立TSN预留类数据时延分析智能体模型。论文的主要工作如下： 首先，对TSN的相关技术进行研究。了解TSN主要协议，探讨TSN技术在车载网络中的运用，分析车载TSN的数据帧结构，划分数据流量的类型，并总结车载TSN的网络拓扑。 其次，建立车载TSN数据队列转发时延模型和预留类数据时延分析智能体模型。分析TSN网络中数据传输时延的组成和影响因素，研究流量调度机制，建立TSN数据队列转发时延模型。针对网络中流量调度的不确定性，通过SARSA强化学习算法拟合TSN流量调度机制，结合队列转发时延模型，建立TSN网络预留类数据时延分析智能体模型。此外，设计基于CAN/Ethernet混合网络的典型应用场景网络，并建立了仿真场景模型。 接着，对时延分析智能体模型和应用场景进行仿真分析。根据智能体模型和时延计算流程图，在MATLAB中编写相应的代码，分析网关处预留类数据的时延。结果表明，所建模型能够正确拟合车载TSN网络的调度机制，验证了智能体模型的合理性，此外，网络发生拥堵时，预留类数据的时延值与临界点的时延值的差别不大，即流量调度机制能够保障预留类数据的服务质量。同时，在SIMULINK中搭建应用场景仿真模型，分析影响预留类数据传输时延的因素。结果表明，可以从数据帧帧长、BE类数据流负载、预留带宽、CDT时间槽长度和链路带宽这几个方面来降低预留类数据帧的传输时延。 最后，对车载TSN预留类数据时延分析智能体模型的正确性进行验证。搭建基于MPC5748G网关的仿真实验台，通过PC端监控和发送网络中的数据，利用WireShark软件抓取数据，对比实验测量所得时延值与仿真时延值。结果表明，在不同BE数据负载下，两者之间的偏差均小于5%，即本文所建的智能体模型能够更为精确地分析车载TSN网络中预留类数据的时延，有助于进一步分析其他TSN流量调度机制下的时延特性，能够为将来TSN网络应用于汽车骨干网络提供理论指导。 |
| 作者： | 曹兆亮 |
| 专业： | 车辆工程 |
| 导师： | 黄晨 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
