論文鏈接：【深度】學報：一種無人集群系統仿真平臺設計（上）無人集群及其仿真技術要素分析

3　無人集群仿真平臺設計

3.1　基于消息中間件的系統架構

無人集群仿真平臺的意義在于，可以在付出較小成本代價情況下，驗證集群系統的整體運行流程和關鍵技術能力，降低大數量無人平臺的制造成本、空域使用成本和試驗驗證成本，是開展無人集群系統研究的必經之路。要取得良好的仿真試驗效果，高效的系統架構和精確的模型設計是開展集群仿真工作的基本前提。

以上一章提到的無人機集群系統為例剖析如下。

首先明確無人機集群仿真平臺的主要目標。本文所述的集群仿真平臺，聚焦于驗證無人集群系統在典型任務場景中的任務執行能力和集群控制能力。按照集群要素分解定位，其主要驗證對象是機載任務子系統和集群控制子系統。具體驗證內容包括任務動態分配算法、集群路徑規劃算法等集群核心算法。在服務于這一目標前提下，其他子系統功能盡可能簡化實現。

基于此，無人機集群仿真平臺設計思路如下：

（1）將集群系統的基礎性功能虛擬化，包括通信、導航、機電、能源等。

（2）將與集群控制緊密相關的功能實物化，比如飛控子系統，因為飛行控制性能嚴重影響著集群控制參數。

（3）將與任務分配和路徑規劃非緊密相關的功能模擬化，比如集群任務載荷，包括傳感器和攻擊武器，此類實物載荷不宜在仿真環境中直接應用，應采用軟件模擬，涉及功能包括情報探測、目標識別、偵察干擾、火力攻擊等。此類功能與任務分配和路徑規劃功能分別處于集群系統信息處理流程的不同階段，并非緊密依賴關系。

（4）盡可能逼真模擬無人集群系統的實際運行環境，包括地理環境、氣象環境、電磁環境等。

按照上述思路，設計無人機集群仿真平臺，見圖 4、圖 5。其中，灰色填充模塊采用仿真實現，其他部分可以與實物系統保持一致或者移植實現。

圖 4 無人機集群仿真平臺（機上）組成圖

圖 5 無人機集群仿真平臺（地面）組成圖

仿真平臺中的模型及數據采用面向對象設計規范，遵從開放式體系架構，其中情報探測模型、目標識別模型、偵察干擾模型、火力攻擊模型、通信模型均可根據具體任務需要，按照具體平臺型號和載荷型號進行參數化定制。平臺內模型對象間的消息通信采用訂閱/發布機制，基于DDS消息中間件實現。無人機系統和地面站系統的遠程通信采用以太網模擬實現。仿真平臺邏輯架構見圖 6。其中，灰色填充模塊采用模擬軟件實現，是仿真主體部分，其他模塊采用與實物系統一致或移植后的軟件實現。

圖 6 集群仿真平臺邏輯架構

3.2　基于時空一致性的對象交互

本仿真平臺的設計重點是驗證集群任務動態分配、路徑協同規劃等功能。其難點是，對集群傳感器和武器載荷的仿真模擬，以及對集群運行場景中地理、氣象、電磁等環境的仿真模擬，這些約束條件的準確性將直接影響集群的仿真效果。

對于待驗證功能，包括機載任務子系統和集群控制子系統功能，可以直接采用實物軟硬件實現，或者采用與實物硬件近似的硬件和移植后的實物軟件組合實現。地面站系統除通信子系統外，均可以采用實物設備構建。

對于仿真功能實現，主要工作包含如下四個方面工作：

（1）平臺模擬：通過加入各類模型，模擬無人機平臺上的導航、機電、能源等子系統功能以及任務載荷功能，其中，任務載荷包括傳感器（光電、紅外、雷達、偵察等）和干擾攻擊武器等，見圖 7。

（2）網絡模擬：設計自組網通信模型和遠程通信模型，模擬無人機與無人機、無人機與地面站間的通信網絡拓撲、信息交互關系和信息傳輸過程，該部分模擬可以通過消息中間件（如DDS）結合以太網來實現。

（3）環境模擬：通過設計地理環境、氣象環境、電磁環境等仿真模型，實現無人集群模擬運行環境，設定無人集群在典型任務場景中的環境約束條件，見圖 8。

（4）任務模擬：構建適用于集群運行的典型任務想定，建立任務目標和完成準則，設定態勢運行過程，為任務分配、任務跟蹤、任務協同提供數據支持，為任務評估提供依據，見圖 8。

圖 7 無人機平臺任務載荷仿真設計

圖 8 地面站任務想定、環境仿真設計

基于上述思路，設計集群仿真模型對象，并定義各對象元素之間的信息交互協議。其中，最為關鍵的是如何保證仿真對象在時間上的同步和空間上的一致性。見圖 9所示，任務模擬和環境模擬兩個模塊用于構建仿真平臺的時間基準和空間基準，通過消息中間件保障時空信息傳遞的實時同步，確保所有仿真對象能夠工作于統一時空基準之下。圖 9概略描繪了集群仿真平臺對象間的數據交互流程。

圖 9 集群仿真平臺數據流示意圖

下面，以集群避撞和路徑規劃為例，簡要描述無人機集群仿真系統的運行流程。避撞解算是集群控制模塊的主要工作內容，其目的是在路徑規劃之前，綜合考慮機間避撞、障礙物避撞、敵方防御設施避撞等因素，為本飛機平臺提供一條安全可行的飛行路徑。其中機間避撞解算是集群控制的核心功能。避撞解算需要收集如下信息：本機的位置、姿態、速度信息，集群鄰近友機的位置、姿態、速度信息，障礙物的位置、形狀信息，敵方防御設施的位置、形狀信息。在仿真平臺中，以上信息分別由導航模擬模塊、自組網通信模擬模塊、傳感模擬模塊提供。其中，本機、鄰近友機和敵方防御設施信息由任務導調模塊產生，障礙物信息由環境模擬模塊產生。集群控制模塊將以上信息進行綜合處理，結合避撞算法和路徑規劃算法，計算出本機的飛行路徑，然后將路徑信息發送給飛行控制模塊，由其進行飛行解算。

基于上述設計，構建無人集群系統仿真平臺，模擬無人集群的任務執行過程。例如圖 10所示，展示了無人機集群系統執行多目標跟蹤監視任務時，通過仿真地面站系統顯示的集群控制算法仿真推演畫面。

圖 10 集群控制算法仿真推演示意圖

圖 10所示的集群任務為，120架固定翼無人機協同跟蹤監視8個目標。該任務執行效果可通過如下兩個量化指標來描述。第一，無人機平均盤旋半徑偏差，表征無人機編隊相對于待追蹤目標的距離偏差；第二，無人機間平均角距偏差，表征無人機間相對于待追蹤目標的角距偏差。

對于大數量成員組成的無人集群系統仿真，為節約硬件成本，可以借助于虛擬機來實現，將機載軟件運行于虛擬機中，維持現有邏輯架構和數據流程不變，通過調整通信模擬功能，實現比較理想的仿真效果。另外，該仿真平臺可采用與實物系統一致的中間件架構，使其很容易擴展支持虛實結合的運行方式。

4　無人集群系統驗證評估

無論是實物系統還是仿真系統，針對于無人集群的能力評估和關鍵技術評估是無人集群系統研究的重點。在仿真平臺評估子系統中，構建基于仿真環境約束條件下的集群能力評估模型，通過仿真評估和迭代優化，可持續提升集群系統能力。

4.1　集群任務能力評估

無人集群任務執行能力，包括任務執行時間、毀傷率、覆蓋率等因素，可以是針對單目標的任務協同能力，比如多無人機協同監視、反輻射攻擊等，也可以是針對多目標的動態分配能力，比如多目標協同打擊、廣域協同搜索等。針對上述考核指標構建評估模型，驗證集群的任務執行能力。

無人集群任務能力主要取決于以下幾個方面：

（1）任務控制算法的執行效率；

（2）傳感器的感知能力；

（3）集群系統的協同控制能力；

（4）集群通信組網能力和通信保障能力；

（5）導航精度及飛行控制能力；

（6）平臺機械控制能力和能源保障能力。

從硬件上說，無人集群系統任務執行能力取決于計算模塊的處理速度、機電系統的控制效率、能源系統的保障能力。從軟件上說，無人集群系統任務執行能力受任務分配算法、路徑規劃算法、飛行控制算法、情報感知算法和武器攻擊策略等功能模塊的效率約束。

驗證無人集群系統的任務執行能力，需要精確的仿真模型作保障，尤其是傳感器模型和武器模型。這些載荷模型在數據層面應該趨近于實際功能、性能。除此之外，集群控制能力是制約集群任務能力的重要因素。

4.2　集群控制能力評估

除傳感器感知能力、武器攻擊能力和平臺機動能力外，通信組網能力和集群控制能力等具備典型群體屬性的集群特有能力，是集群系統高效運行的核心基礎。其中，集群自組織協同控制能力是無人集群獨特的、起關鍵作用的核心能力。

集群控制受集群任務分配模式和集群任務執行流程牽引。在集群任務目標需求下，配置相應的集群控制模式。比如，在集群機動任務中，需要加強集群針對固定區域（門洞、走廊）的協同避撞穿越能力，在多目標攻擊任務中，需要加強集群針對多目標的協同跟蹤能力等。

通過歸納分析集群典型任務可知，集群控制能力可以分解為如下能力：針對固定障礙物和敵方防御設施的避撞檢測能力、針對集群成員的避撞檢測能力、集群整體編隊控制能力和集群成員路徑規劃能力等。

集群控制能力制約集群任務能力，也受制于集群平臺的傳感器能力、通信組網能力、飛行控制能力、機電控制能力和能源供應能力，是集群系統中承上啟下、處于核心地位的關鍵技術能力。驗證該能力，需要從集群任務模擬、平臺模型設計、運行環境仿真等方面進行綜合考慮。

結 語

無人集群系統仿真平臺是驗證無人集群系統的任務執行能力和集群控制能力等關鍵技術能力的基本手段。本文所述的設計方法，可以支撐構建無人集群系統仿真驗證平臺，對于集群典型任務模擬、集群算法評估具有重要意義。在平臺構建初期，可根據研究目標適當簡化各類仿真模型，以達到快速構建的目的，后續可根據需要有針對性地細化改進具體模型。開放式、規范化的設計方法使得仿真平臺具備靈活擴展能力，隨著模型準確度、任務場景逼真度等方面的持續優化，其仿真評估效能會持續提升。

【參考文獻】

[1]Craig W. Reynolds. Flocks, Herds, and Schools: a distributed behavioral

Model[J]. Computer Graphics, 1987, 21(4):25-34．

[2]趙健. 基于群體智能的群體機器人研究[J]. 中國新技術新產品. 2009, (7):8-8.

[3]G Beni,J Wang. Swarm intelligence in cellular robotic systems[M]. Berlin:Springer, 1993.

[4]Kennedy J, Eberhart R. Swarm intelligence[M].

San Francisco: Morgan Kaufmann Publishings, 2001.

[5]E. Bonabeau, M. Dorigo, and G. Theraulaz. Swarm intelligence: from natural to artificial systems[M]. New York: Oxford University Press, 1999.

[6]梁曉龍, 孫強, 尹忠海, 王亞利, 劉蘋妮. 大規模無人系統集群智能控制方法綜述[J]. 計算機應用研究, 2015, 32(1):11-16.

[7]李濤, 柳林, 吳小勇. 分布式集群并行仿真技術研究[J]. 微計算機信息, 2010, 26(25):162-163.

[8]方美琪, 張樹人. 復雜系統建模與仿真[M]. 北京：中國人民大學出版社[M], 2005.

[9]V. Gazi, K. M. Passino. Stability Analysis of Swarms[J]. IEEE Transactions on Automatic Control, 2003, 48(4):692-697.

[10]薛志斌. 智能群體系統集群行為的動力學建模與分析及其仿真研究[D]. 蘭州:蘭州理工大學, 2012。

[11]楚天廣, 楊正東, 鄧魁英等. 群體動力學與協調控制研究中的若干問題[J]. 控制理論與應用, 2010, 27(1):86-93.

 

 

聲明：版權歸《中國電子科學研究院學報》所有