时间敏感网络（Time-Sensitive Networking,TSN）是目前产业界正在积极推动的工业网络技术,是工业生产中保障信息实时性和确定性传输最有希望的技术之一。在工业互联网中,自动驾驶、移动机器人导航、设备远程运维和预测性维护等工业应用,需要网络设备实时与充满动态性和不确定性的生产环境进行交互,工业网络流调度需要具备与动态环境自适应的能力。传统TSN技术应用静态调度策略实现对网络流的实时调度和传输,一旦生产环境发生变化,原有的静态调度策略可能完全失效,需要彻底重构。如何设计安全高效的实时流动态调度策略,是TSN技术领域中亟待解决的开放性问题。为此,本文将针对TSN中两种类型的实时流开展在线调度算法研究。一方面,为时间触发（Time-Triggered,TT）的实时流,提出了具有可调度性保障的硬实时动态调度框架;另一方面,为事件触发（Event-Triggered,ET）的实时流,提出了能够保障低延迟的软实时启发式调度算法和最大和（max-sum）算法。具体的工作如下:（1）针对周期性TT流在TSN中的实时调度问题,提出了基于虚拟截止期优先（Virtual Earliest Deadline First,VEDF）的实时调度算法框架。在该算法框架中,每条TT流在其流经的每个交换机上都对应一个活跃区间,只有在相应的活跃区间内到达,TT流才按照VEDF算法参与优先级竞争,否则,按最低优先级调度。进而给出了合理配置TT流活跃区间的迭代方法。并在理论上证明了本文算法能够成功调度TT流的充分条件,保障了TT流的可调度性。实验表明,VEDF算法在成功调度比率和运行时间方面都有出色的表现,在保证可接受的成功调度比率的同时,显著减少运行时间。（2）针对非周期性ET流在TSN中的实时调度问题,将其归结为带有软实时约束的Job-Shop调度问题,并提出了启发式调度算法和max-sum算法。启发式算法对ET流的调度优先级进行设置,不仅考虑到该ET流的优先级对其自身延迟的影响,还考虑到对其它ET流延迟的影响。max-sum算法考虑到不同交换机上的竞争,将ET流在交换机上传输操作的开始时间作为变量节点,将传输操作之间的约束函数作为函数节点,二者进行消息传递,迭代地计算传输操作的开始时间。实验表明,启发式算法比大多数的优先级规则方法在减少端到端延迟方面有更好的性能。max-sum算法与遗传算法相比,在流数量较少时,传输完成时间相差不大。（3）针对上述三个算法在TSN中的应用问题,探讨了将其应用到TSN门控列表配置协议中的可能性,为TSN实时网络流动态调度和传输提供了新的方法。