简介基于Matlab的多个无人机群飞行仿真程序包面向无人机集群控制、路径规划及虚拟现实仿真方向的入门学习与课题研发旨在帮助开发者在无需真实硬件环境的条件下直观验证多机协同编队、避障与队形变换等算法。资源包共38个文件主要包含m脚本主程序、mdl仿真模型、wrl三维场景文件以及fig交互界面、dll动态链接库、c/h源码、pdf说明文档等能够覆盖从运动模型搭建、参数配置到三维动画渲染的完整仿真链路。压缩包仅417KB但结构清晰主函数与多个辅助函数、场景文件分离方便按需替换数据或扩展功能附带的AIAA参考论文和详细说明文档有助于理解群飞控制理论并提供算法对照依据。代码已在Matlab 2020b下整理测试适合课程设计、毕业设计或科研预研中快速搭建多无人机群飞仿真环境。目前已有126人学习浏览经简单替换数据即可运行对刚接触无人机编队仿真的使用者尤为友好。1. 为什么用MATLAB做多无人机群飞行仿真先想清楚再动手一位同事曾经用Python搭了半天的多智能体仿真最后在给领导演示“无人机群识别低慢小目标并编队避让”时卡在了动态画图和参数调整上。换成MATLAB的脚本加Simulink之后半小时就重现了同样的曲线。这不是说MATLAB一定更“好”而是在多无人机群飞行仿真这个场景里你手头大概率已经有动力学方程、PID参数和现成的优化工具箱——把这些东西直接搬进仿真比换语言重写一遍更省事。本篇文章就沿着“单机运动模型 → 编队控制律 → 多机协同流程 → 参数调优 → 外部对接”这条路径讲清楚用MATLAB做多无人机群飞行仿真时哪些步骤可以抄作业哪些参数必须自己试。你不需要有真实的飞控硬件只要装了MATLAB R2020b以上版本就能把下文代码跑起来。2. 建立单机运动模型与编队控制律编队飞行仿真的地基群飞仿真的第一步不是写集群代码而是先把自己要仿真的单机模型固化下来。常见做法是把无人机视为四旋翼刚体状态量包含位置、速度、姿态角和角速度。对编队仿真来说姿态环通常可以被简化成内环PI而真正影响编队队形的是外环的位置与速度控制律。2.1 刚体运动模型位置环、速度环与偏航解耦把单机模型描述成如下状态方程% 简单六自由度模型忽略气动阻力细节保留重力影响 % 状态 x [px; py; pz; vx; vy; vz; phi; theta; psi] % 输入 u [T; phi_c; theta_c; psi_rate] function xd quadrotor_6dof(x, u, g, m) T u(1); phi x(7); theta x(8); psi x(9); % 由姿态生成旋转矩阵的ZYX分解 R ... % 线性加速度 accel_world [0;0;g] R*[0;0;T]/m; xd [x(4);x(5);x(6); accel_world; ...]; end实际在写编队仿真时我一般不会把姿态方程直接放进每个控制周期而是把内环反馈做到“姿态响应一阶惯性环节”的近似即% 内环近似期望姿态角到实际姿态角的一阶惯性 phi_rate (phi_c - phi)/tau_phi; theta_rate (theta_c - theta)/tau_theta; psi_rate (psi_c - psi)/tau_psi;这样做的理由是编队任务主要考验外环的位置协同如果每个仿真步都解四元数微分方程代码长且参数多调试时反而不容易定位是编队控制器的问题还是单机内环的问题。把内环折成一个时间常数tau_phi/tau_theta通常设0.05~0.1秒能很好模拟真实飞控内环的响应带宽。参数说明g一般取9.8m按实际机型设比如大疆某型号用0.5~2kg之间但没有必要为了精确去查具体手册因为仿真目的是验证编队算法只要单机特性不至于失真太多就行。重要的是保持一致性所有无人机使用同一套模型否则后续的“低慢小”紧急避让仿真会得出虚假结论。2.2 领航-跟随与一致性编队两种容易落地的控制方案多无人机编队的控制方案里最容易在MATLAB里落地的是领航-跟随和基于一致性理论的分布式控制。领航-跟随的思路是指定一架或几架“长机”其余无人机以长机的轨迹为参考在惯性系下减去期望队形偏移得到自己的目标位置然后追踪这个目标。一致性控制思路则不同每架无人机只和通信拓扑中的邻居交换位置和速度通过状态误差的加权求和来收敛到共同航迹队形靠偏移项维持。它的优点是没有单点故障缺点是调参时更容易出现震荡。2.2.1 编队参数表与许可的队形偏差参数领航-跟随推荐值一致性推荐值说明位置增益 Kp0.8 ~ 2.00.5 ~ 1.5太大会引起机间相互超调速度增益 Kv1.5 ~ 3.01.0 ~ 2.5阻尼作用抑制震荡通信周期 Ts0.01 ~ 0.05 s0.02 ~ 0.1 s与仿真步长匹配不宜过慢最大速度限制5 ~ 10 m/s5 ~ 10 m/s防止发散时仿真“飞出天际”队形偏差容忍0.5 m 内1.0 m 内超过该值判定编队失败这个表里的数值不是绝对标准但适合多数室内小体型无人机的电调和飞控参数。若仿真场景是巡检或测绘速度上限和目标点设置要相应放大。注意表中“队形偏差容忍”不是控制器参数而是你后续写评价函数时判定仿真是否成功的阈值。2.3 用MATLAB脚本实现一个双机编队的最小算例先跑通两架无人机的领航-跟随代码量只有几十行却能把状态更新、控制律和画图都串起来。dt 0.02; t 0:dt:10; % 长机轨迹悬停后向x方向前进 x_lead [0 0.5*t; 2*sin(0.2*t); 1.5*ones(size(t))]; % 期望队形偏移 offset [2; 0; 0]; % 僚机在长机右侧2米 kp 1.2; kv 2.0; x_fw [0; 2; 1.5]; v_fw [0; 0; 0]; for i 1:length(t)-1 p_des x_lead(:,i) - offset; % 僚机期望位置 v_des [(x_lead(1,i1)-x_lead(1,i))/dt; ... ]; acc_cmd kp*(p_des - x_fw) kv*(v_des - v_fw); v_fw v_fw acc_cmd*dt; x_fw x_fw v_fw*dt; end逻辑说明位置误差乘以kp相当于比例控制速度误差乘以kv提供阻尼。如果不加kv仿真里僚机会在目标点附近来回震荡且随着kp增大震荡越明显。若发现双机都无法收敛先检查kp/kv的比值通常取值0.4~1.0之间比较稳定。3. 从单机到集群用MATLAB搭建多机群飞仿真流程双机算例能验证控制律但距离“多个无人机的群飞行仿真”还差三个环节初始化多机状态、建立通信拓扑、加入任务与避碰。要把这三个环节放进同一个脚本里需要分模块设计而不是挤在控制循环里。3.1 仿真初始化随机或指定初始位置、队形模板无人机数量为N初始化矩阵的大小通常是N x 9列分别对应[px,py,pz,vx,vy,vz,phi,theta,psi]。如果你希望仿真可复现就给随机数种子赋固定值如果你要做蒙特卡洛分析则不要固定种子。rng(42); N 6; init_pos [0, 0, 1.5] 0.5*randn(N,3); init_vel zeros(N,3); init_ang zeros(N,3); % 队形模板V字形 formation_v [ 0, 0, 0; -4, 2.5, 0; -4, -2.5, 0; -8, 5, 0; -8, -5, 0; -12, 7.5, 0; ];常见做法是把队形模板定义成相对于“编队中心”的偏移矩阵每架无人机在仿真开始时将自己的初始位置设置为“编队中心参考点 模板偏移量”。你也可以让无人机从随机位置起飞后自行组队这能检验编队控制器是否具备收敛性。3.2 通信拓扑与邻居选择分布式仿真的关键群飞行仿真中通信拓扑直接决定控制律里使用哪些邻居的状态。最简单的拓扑是环形邻接每架无人机只接收前后各一架的信息。常用代码形式是构建邻接矩阵AA zeros(N,N); for i 1:N if i 1 A(i,i-1) 1; end if i N A(i,i1) 1; end end随后在控制循环内位置误差为sum(A(i,:) .* (x(:,i) - x))这种做法对MATLAB的向量化很友好也方便改成拉普拉斯矩阵做一致性分析。注意若某架无人机通信丢失只需把它对应的邻接行置零仿真结果立刻能反映“部分通信失效”的场景。3.3 加入避碰与任务分配逻辑仅仅有编队控制器无人机会在收敛过程中互相穿透。避碰的常用手段是人工势场法在期望位置控制力的基础上叠加一个斥力项。斥力大小与两机间距离的平方成反比。% 避碰斥力计算加在每架无人机的控制指令里 function rep repulsion(x_i, x_j, safe_dist, rep_gain) d_vec x_i(1:3) - x_j(1:3); d_norm norm(d_vec); if d_norm safe_dist rep rep_gain * (1/d_norm^2 - 1/safe_dist^2) * (d_vec/d_norm); else rep zeros(3,1); end end参数说明safe_dist取1.5~2米比较常见小于这个距离就产生斥力rep_gain从0.5起步过大会导致无人机振荡过小则避碰无效。任务分配逻辑可以简单到“给不同编号分配不同的目标点”也可以使用MATLAB优化工具箱里的matchpairs函数完成匈牙利匹配。3.4 完整可复现代码12行核心循环把以上模块整合后核心循环其实很短。for k 1:length(t_array)-1 for i 1:N % 1. 一致性编队力 acc 0; for j find(A(i,:)) acc acc kp*(x(j,1:3) - x(i,1:3) - (formation(j,:) - formation(i,:))); acc acc kv*(v(j,:) - v(i,:)); end % 2. 避碰斥力 for j 1:N if j ~ i acc acc repulsion(x(i,1:3), x(j,1:3), 1.5, 0.8); end end % 3. 更新状态 v(i,:) v(i,:) acc * dt; x(i,:) x(i,:) v(i,:) * dt [0.5*acc * dt^2, 0,0,0,0,0]; end end逻辑说明内层循环遍历邻居机formation(j,:)-formation(i,:)项是为了让无人机之间期望保持相对距离而不是所有无人机都收敛到同一位置。避碰斥力同时作用在每对无人机之间意味着即使通信拓扑断裂只要在感知范围内也能避免碰撞。4. 仿真参数调优与坑积分步长、延迟与低慢小场景群飞行仿真跑起来容易跑得好看才是难点。这里列出三个最常见的“仿真没过”的缘由以及应对方法。尤其在识别“低慢小”无人机并做告警演示的仿真里如果时间常数设置太大你会看到无人机“瞬移”那会直接毁掉演示效果。4.1 决定稳定性的三个参数dt、控制增益与通信延迟参数过小的影响过大的影响推荐检查范围仿真步长 dt计算极慢半小时跑不完数值发散0.01 ~ 0.05 s位置增益 kp收敛慢队形散开高频振荡0.5 ~ 2.0速度增益 kv收敛慢甚至振荡响应迟缓1.0 ~ 3.0通信延迟 delay基本无感整队晃成波浪小于5个控制周期这里特别强调通信延迟的仿真方法不要真的在代码里sleep而应该在读取邻居状态时改为读取若干个时间步之前保存的历史状态。MATLAB里可以用循环数组实现。我通常会预留一个max_delay_steps的存储矩阵每步把自己当前状态写到某个索引里然后每个无人机控制律从(k - delay_steps)位置取邻居数据。4.2 从Simulink到脚本什么情况该迁移很多用户下载的群飞行仿真模板是用Simulink搭的方框图里每个模块看起来清楚但改参数很麻烦。我个人的做法是先用脚本快速调通编队算法再决定要不要把控制器封装成Simulink子系统。如果你要做硬件在环仿真那么Simulink和PX4联合仿真比纯脚本方便如果只是跑编队结果和画图纯脚本完全够用且更容易用Git追踪改动。判断标准很简单当你的仿真里程超过5分钟且调参次数超过20次脚本方式会明显提升效率。因为Simulink里的增益模块双击修改后还要重新编译模型时间成本很高。4.3 常见报错与排查路径报错现象可能原因排查动作“Matrix dimensions must agree”位置或速度矩阵维度没对齐检查x和v都是N x 3无人机会飞向无限远控制器没有限幅给acc加max_acc 10的饱和限制曲线看起来毛刺多dt偏大或kv偏大把dt降一半再试若曲线变好说明步长不够所有无人机最终位置重叠队形偏移项没写检查formation矩阵是否在误差项中成对出现画图卡顿plot次数太多改为每10步画一次或使用animatedline注意在MATLAB中如果你用了类似“R2026b密钥破解”之类的词汇很多安装教程里所谓“密钥”其实不是仿真代码的一部分且属于软件授权问题这里不展开讨论。请优先使用正版授权或校园版仿真代码本身与授权方式无关。5. 进阶把MATLAB仿真结果接到PX4或硬件在环5.1 导出轨迹与机间相对距离喂给飞控或可视化仿真结束后除了直接看动画还要输出可量化数据。常见做法是把所有无人机的轨迹保存为CSV或MAT文件再导入到Python或MATLAB的VideoWriter函数里生成短视频方便制作“识别低慢小无人机并弹出告警信息”的演示材料。T array2table(trajectory, VariableNames, ... {t,x1,y1,z1,x2,y2,z2}); writetable(T, formation_trajectory.csv);5.2 验证指标用数值检查编队是否“真”稳定我一般不算“平均误差”而是计算最大机间距离偏差。因为平均值会掩盖单架掉队问题。先通过pdist计算所有无人机两两距离再与队形模板的理论距离做差取绝对值最大那个作为指标。5.3 用“种子矩阵”批量跑100次判成功率调参的一个重要技巧不要只看一次仿真效果而要把初始位置随机化100次统计编队成功率。MATLAB里用rng(k)循环即可。success_count 0; for trial 1:100 rng(trial); x0 target_pos 2*randn(N,3); [x_final, t_out] run_simulation(x0, formation, params); max_err compute_formation_max_error(x_final, formation); if max_err 1.2 success_count success_count 1; end end fprintf(成功率: %.1f%%\n, success_count);这个代码最实用的一点是当你把params.kp从0.5改到2.0成功率曲线会呈现“低→高→低”的变化那个拐点就是当前模型下的最优调节方案。上面示例里的compute_formation_max_error建议自己写因为不同队形模板理论距离不同直接套用会算错。这个批处理技巧在无人机编队飞行技术的论文验证、PX4仿真效果评估中都能直接复用。本文还有配套的精品资源点击获取