【MATLAB代码与讲解5】多无人机分布式系统，协同路径规划与避碰。附代码运行结果

matlabfilter

465人浏览 · 2026-05-15 10:12:58

matlabfilter · 2026-05-15 10:12:58 发布

在这里插入图片描述

文章目录

介绍
运行结果
MATLAB 源代码
程序详解

介绍

本课题研究动态环境、多无人机系统的协同路径规划与避碰防撞问题，是当前无人机集群控制领域的核心挑战之一。随着无人机技术的迅速发展，多无人机协同执行任务（如搜救、测绘、物流配送、军事侦察等）的需求日益增长。然而，在动态、复杂的三维空间中，如何使多架无人机高效协同、实时规避障碍与相互碰撞，是亟待解决的关键问题。

本课题主要研究内容包括：

多无人机系统建模：建立无人机运动学与动力学模型，描述其在三维空间中的飞行特性；
动态环境感知：对环境中的静态障碍物（建筑物、山体等）和动态障碍物（移动目标、其他飞行器）进行实时感知与建模；
协同路径规划算法：基于改进人工势场法（APF）、A* 算法及强化学习方法，设计多无人机的全局与局部协同路径规划框架；
防撞策略设计：引入优先级碰撞检测机制与速度障碍（VO）模型，保障无人机间安全间距；
仿真验证：在 MATLAB/Simulink 平台上对算法进行仿真验证，评估其路径效率、防撞成功率与计算实时性。

研究具有重要的理论价值与工程意义，可为未来无人机集群自主飞行系统的设计提供理论支撑与算法参考。

运行结果

在 MATLAB 仿真环境中，以 5 架无人机在含有动态障碍物的三维场景下执行协同任务为例，运行结果如下：
在这里插入图片描述

运行结果图示（部分）：

三维路径规划图：各无人机轨迹以不同颜色显示，清晰展现协同避障过程：

在这里插入图片描述

无人机间最小距离曲线：几乎全程保持在安全距离（5m）以上，验证防撞策略有效性：

在这里插入图片描述

速度与加速度变化曲线：运动平滑，满足无人机动力学约束：

在这里插入图片描述

到目标的距离：

仿真结果表明，所提出的协同路径规划与防撞算法能够在动态复杂环境中稳定、高效地完成多无人机协同任务。

仿真场景设置：

无人机数量：5 架
空间范围：100m × 100m × 50m
静态障碍物：8 个
动态障碍物：3 个（随机运动）
任务目标：各无人机从初始位置出发，协同到达各自目标点

MATLAB 源代码

部分代码如下：

%% 动态环境下多无人机系统的协同路径规划与避碰仿真
%  基于改进人工势场法（APF）+ 速度障碍防撞
% 作者:matlabfilter（V同号，除前期达成一致外，付费咨询）
clc; clear; close all;

%% 参数初始化
num_uav = 5;                    % 无人机数量
space_range = [100, 100, 50];   % 空间范围 [x, y, z] (m)
safe_dist = 5.0;                % 无人机间安全距离 (m)
obs_dist = 3.0;                 % 障碍物安全距离 (m)
dt = 0.1;                       % 仿真步长 (s)
max_iter = 500;                 % 最大迭代次数
max_vel = 10.0;                 % 最大速度 (m/s)

%% 无人机起始点与目标点设置
start_pos = [10,10,5; 10,50,5; 10,90,5; 50,10,5; 50,90,5];
goal_pos  = [90,90,20; 90,50,20; 90,10,20; 50,90,20; 50,10,20];

%% 障碍物初始化（静态 + 动态）
static_obs  = init_static_obstacles();   % 静态障碍物
dynamic_obs = init_dynamic_obstacles();  % 动态障碍物

%% 路径规划主循环
uav_pos = start_pos;
uav_vel = zeros(num_uav, 3);
paths   = cell(num_uav, 1);

for i = 1:num_uav
    paths{i} = uav_pos(i, :);
end

for iter = 1:max_iter
    % 更新动态障碍物位置
    dynamic_obs = update_dynamic_obs(dynamic_obs, dt);
    all_obs = [static_obs; dynamic_obs];

    for i = 1:num_uav
        if norm(uav_pos(i,:) - goal_pos(i,:)) < 1.0
            continue;  % 已到达目标，跳过
        end

        % 计算人工势场合力
        F_att = compute_attractive_force(uav_pos(i,:), goal_pos(i,:));
        F_rep = compute_repulsive_force(uav_pos(i,:), all_obs, obs_dist);

        % 无人机间防撞力
        F_col = compute_collision_avoidance(i, uav_pos, safe_dist);

        % 合力计算与速度更新
        F_total = F_att + F_rep + F_col;
        uav_vel(i,:) = uav_vel(i,:) + F_total * dt;

        % 速度限幅
        vel_norm = norm(uav_vel(i,:));
        if vel_norm > max_vel
            uav_vel(i,:) = uav_vel(i,:) / vel_norm * max_vel;
        end

        % 位置更新
        uav_pos(i,:) = uav_pos(i,:) + uav_vel(i,:) * dt;
        paths{i} = [paths{i}; uav_pos(i,:)];
    end

    % 检查任务完成
    if all(vecnorm(uav_pos - goal_pos, 2, 2) < 1.0)
        fprintf('所有无人机已到达目标！迭代次数：%d\n', iter);
        break;
    end
end

%% 结果可视化
plot_3d_paths(paths, static_obs, dynamic_obs, start_pos, goal_pos);
plot_min_distance(paths, safe_dist);