摘要
随着战场范围的日益增大以及作战难度的上升，只使用单个无人机执行任务可能受限于观察角度而遗漏信息，不能完成全方位的侦查和攻击，单个无人机出现故障就会导致整个任务执行的中止，利用群体无人系统执行任务是未来作战的必然趋势。无人机群体仿真是研究无人机群体系统的重要前提。近年来，面向群体无人系统的仿真技术日趋成熟，但由于单个计算节点的硬件资源限制以及群体无人系统仿真的计算复杂性，随着群体规模的提升，仿真速度下降显著。研究如何利用多计算节点集群的硬件资源，并行化现行仿真系统，以实现大规模群体无人系统的仿真，具有重要的理论和实践意义。 本文基于Gazebo仿真平台，通过代码分析充分理解其仿真原理及代码架构，并借助性能分析工具IntelVtuneAmplifier对无人机群体场景和大规模校园场景这两个典型场景进行了性能测试和瓶颈分析。分析数据表明单计算节点的仿真性能主要受限于多线程对CPU的资源竞争所产生的延迟，跨节点并行是提升仿真性能的可行途径。 本文针对并行群体仿真任务将会导致的关键问题，设计并实现了基于进程间同步、唯一标志、设置交叠区这三个措施的解决方案。本文还针对跨节点消息传递的需求，设计并实现了在节点之间传输包含不同数据类型以及不同仿真模型的变长消息的通信方案，这个通信方案是实现跨节点并行仿真的基础。 基于跨节点通信机制，针对典型应用场景，本文设计并实现了两种基于不同任务划分方法的并行仿真算法：基于区域划分的跨节点并行仿真和基于无人机编号划分的跨节点并行仿真算法。 本文以quadrotor四旋翼模型作为群体无人系统的组成元素，构建多计算节点并行仿真测试环境，通过多个场景对面向群体无人机的并行模拟仿真平台进行了性能测试。实验结果表明，基于区域划分的跨节点并行仿真算法能有效提高了无人机群体仿真任务的仿真性能，而基于编号的跨节点并行仿真算法需要对碰撞检测算法进一步优化来提升仿真效率。
NETL