两个联邦成员组成的一个联邦的时间推进学习

本文探讨了在NER和TAR两种不同时间管理方式下联邦成员间的交互过程,尤其是在时间推进方式中,RTI如何根据成员的状态变化来协调时间推进请求,确保各成员之间的正确同步。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

书上给的例子是一个NER方式,一个TAR方式,这个比较好理解。 NER方式下的联邦成员,其LBTS就是另外一个TAR方式联邦的输出时间。而TAR方式的联邦的输出时间:1)时间批准情况下,为 当前仿真时间+lookahead;2)在时间推进情况下,为 请求推进时间+lookahead。

 

现在假设两个联邦成员组成的一个联邦,都是NER方式,当前都处在时间推进方式下(NER 1.01, NER 1.5),当前仿真时间都是0.01,则RTI如何发出time grant? 假设两个联邦其内部队列中都没有事件。

 

 

如上图,分几种情况讨论:

 

1)A NER 1.0, B NER 1.5, 则A time grant to 1.0;接着 A NER 1.5, 则A time grant to 1.5, B time grant to 1.5;

 

在上述基础上,

 

2)B NER 1.8, A updateAttributeValues with timestamp 1.7  (TSO) then A NER 1.7,则B time grant to 1.7, A time grant to 1.7

 

注意,后一种情况下,当A发出updateAttributeValues at 1.7时,B并没有立即进行callback调用。而是等B time grant to 1.7时,才发出reflectAttributeValues callback调用。实验中,B time grant to 1.69时,甚至都不会引发callback调用。猜测RTI中会有事件队列,并会根据各个联邦成员的时间推进情况,适时发出callback调用。

 

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值