985工科博士毕业，专攻定位、导航和滤波等算法研究。从业10年，主要使用MATLAB

分布式UAV围捕编队PID控制仿真 摘要 本文实现了一个基于PID控制的分布式多无人机(UAV)围捕编队系统仿真。5架UAV仅依靠自身传感器独立运行两路PID控制器(径向距离控制和角度控制)，无需集中调度节点即可完成对移动目标的动态包围。系统采用极坐标下的双PID控制结构，结合目标速度前馈补偿和UAV间排斥势场实现避碰，最终实现： 所有UAV以6m半径稳定包围移动目标 均匀角度分布(72°间隔) 自主避碰(安全距离2.5m) 同步绕目标旋转(0.25rad/s) 仿真结果显示系统能在40秒内完成编队形成，距

本文介绍了一个基于MATLAB的多无人机协同攻击仿真系统。该系统通过贝塞尔曲线规划无人机路径，实现时间同步和角度约束下的协同攻击任务。算法首先计算各无人机的攻击进入点，然后调整飞行速度确保同时到达目标。仿真结果显示，6架无人机能在指定时间从不同角度同步抵达目标位置，验证了算法的有效性。代码提供了动态可视化功能，可直观展示无人机群的协同飞行过程，适用于无人机群体协同任务的性能评估与优化。

本文介绍了一个多无人机编队飞行控制的MATLAB仿真程序。该程序采用双积分器模型模拟2D平面内的无人机动力学，实现4架无人机保持菱形队形跟随虚拟领航者，并完成"直线-圆弧转弯-直线"的复杂轨迹跟踪。程序设计了包含前馈补偿、PD反馈和邻居一致性项的控制律，并采用带σ修正的自适应算法在线估计扰动参数。仿真结果显示，自适应控制相比无自适应控制能显著降低跟踪误差，且扰动估计参数能有效收敛。程序还模拟了通信受限场景，采用有向图拓扑结构进行信息交互。代码可直接运行并输出编队轨迹、误差对比和参数收敛曲线等结果。

本文研究了5架无人机在三维空间中的编队飞行控制问题，对比了PID控制与滑模控制(SMC)在复合干扰下的性能。仿真结果显示，滑模控制相比PID在跟踪精度和队形保持方面均有显著提升：位置跟踪误差降低约40%，编队保持误差减少35%以上。程序采用MATLAB实现，包含三维轨迹对比、误差曲线和量化指标统计，验证了滑模控制在阵风、正弦扰动和随机噪声等复杂环境下的鲁棒性优势。

只有一个m文件，MATLAB打开后即可直接运行。核心逻辑封装在独立函数中，结构清晰，便于二次修改。

代码在MATLAB中搭建了一套多架无人机编队协同飞行的三维仿真场景。1 架领航机负责按照预设航路点自主导航，另外 4 架跟随机在领航机周围保持楔形队形跟飞。整个系统同时具备障碍物规避和无人机间防碰撞能力，最终输出轨迹、误差和控制量等多维度结果。

实现多无人机的分布式编队控制。：6架无人机从随机初始位置出发，最终收敛至目标六边形编队，轨迹以不同颜色区分，圆点为起点，菱形为终点。：以力导向布局可视化当前所选拓扑（环形/全连接/星形/随机）的节点连接关系。四种拓扑的误差收敛曲线，全连接拓扑收敛最快，环形拓扑收敛最慢。：逐帧播放无人机位置变化及通信链路，直观展示编队形成过程。：展示当前拓扑下编队几何误差随时间的衰减过程。为度矩阵）是分析编队收敛速度的核心工具，其。为其在目标编队中的期望偏置，：打印当前拓扑的邻接矩阵。）越大，编队收敛越快。

展示完整的探索树结构、原始折线路径与Catmull-Rom平滑后的路径对比，球形与箱形障碍物以半透明方式渲染，起点（蓝圆）与终点（红三角）清晰标注。在图1平滑路径基础上，叠加显示1架领航机与3架跟随机的完整三维飞行轨迹，四机以不同颜色区分，编队队形在全程保持稳定的纵-横-垂偏移关系。命令行输出：包括障碍物数量、RRT*迭代进度、原始路径节点数与总代价、平滑采样点数等关键信息。RRT*输出的折线路径存在大量急转弯，不适合无人机直接跟踪。编队，在路径全程自适应跟随领航机的姿态变化。的三维立方体，共构建。

本文介绍了一种基于A算法的三维无人机避障路径规划与轨迹跟踪控制MATLAB仿真方法。程序构建了包含多个长方体障碍物的三维环境，通过占据栅格地图描述障碍信息，并采用A算法搜索从起点到终点的安全路径。路径经过平滑处理后，通过轨迹跟踪控制实现无人机的实际飞行仿真。运行结果包括三维路径规划图、XY平面投影、高度剖面、三轴跟踪曲线、误差分析以及姿态响应等可视化输出，全面评估了路径规划效率、跟踪精度和避障安全性。该方法为无人机自主导航提供了有效的仿真验证平台。

本文提出了一种动态环境下多无人机协同路径规划与自主避碰的MATLAB仿真框架。针对5架无人机在三维空间中的协同飞行任务，采用改进人工势场法（APF）生成实时航迹，并引入速度障碍防撞思想增强无人机间的碰撞避免能力。仿真结果表明，该方法能有效处理静态柱状障碍物和动态球形障碍物，无人机间最小距离始终保持在安全阈值（6m）以上，验证了算法的有效性。关键创新点包括：1）改进APF算法解决传统方法的局部极小值问题；2）结合速度障碍模型实现高效防撞；3）动态环境感知与实时路径更新机制。该研究为无人机集群自主飞行提供了理论

本文基于人工势场法（APF）与虚拟领航者策略，实现了4架无人机在含5个球形障碍物的三维环境中的编队飞行与自主避障。仿真结果显示：无人机群能有效规避障碍（最近距离始终大于安全半径1.2m），并在避障后快速恢复编队队形（平均误差从避障时的1.85m降至0.32m）。通过5张图表完整呈现了三维轨迹、编队误差、障碍距离和控制输入等关键指标，验证了算法在复杂环境下的可靠性与鲁棒性。控制输入未超限幅（±5m/s²），各机轨迹颜色区分明显，队形保持良好。

多无人机编队切换控制的MATLAB仿真。5架无人机在60秒内完成一字形→楔形→菱形的两次队形切换，采用虚拟领机结构和PD控制器实现无直接通信的编队控制。仿真结果包括无人机飞行轨迹、跟踪误差曲线、控制输入变化、队形快照和误差统计等6张图表，验证了控制方法的有效性。代码可直接在MATLAB中运行，输出关键性能指标和动态演示动画。

在编队控制部分，程序采用基于邻接矩阵的分布式一致性控制方法。整体来看，该程序将UWB测距建模、UKF非线性滤波、多无人机编队控制和性能评价集成在同一个MATLAB脚本中，结构清晰、运行方便，适合作为多无人机协同定位、集群导航、UWB三维定位和编队控制等相关研究的基础仿真例程。随着控制过程推进，各无人机逐渐收敛到期望的相对位置，编队误差整体呈下降趋势，说明一致性控制律能够有效维持多无人机的空间编队结构。在UWB测距仿真部分，程序分别生成无人机到固定锚点之间的测距数据，以及无人机之间的相互测距数据。

本文摘要（150字）： 基于UWB的多无人机协同定位与编队控制仿真研究，通过MATLAB实现了包含UWB测距模型（高斯噪声标准差0.1m）、扩展卡尔曼滤波（EKF）协同定位和分布式一致性编队控制的完整算法。仿真结果显示：EKF滤波后定位误差收敛至0.05-0.15m，编队控制误差在15-20秒内收敛至0.1m以下。三维轨迹可视化验证了算法有效性，性能指标统计显示平均定位误差RMSE为0.12m。该仿真为无人机集群协同作业提供了可靠的定位与控制方案验证平台，代码已开源可直接运行复现结果。

基于快速随机树（Rapidly-exploring Random Tree, RRT）的二维路径规划算法，模拟无人车或移动机器人在存在障碍物环境中的路径搜索与避障过程。障碍物坐标、起终点、最大迭代次数等均可自定义。带有路径可视化、收敛过程分析以及规划结果统计等功能。

实验步骤及方法选择被控对象现有一个带有纯延迟的长方体水槽液位控制系统，调节阀与贮水槽有一段较长距离，调节阀开度变化会引起流入水量的变化，但是需要经过一段传输时间τ\tauτ后才能对水槽的液位产生影响，其中τ\tauτ称为纯延迟时间，由物理特性，本题τ\tauτ取111。水槽进水量QiQ_iQi​由进水调节阀控制，出水量QoQ_oQo​根据需求改变。系统的被调节量为水位高度hhh，因水槽为长方体形状，所以其值直接反映了ΔQ=Qi−Qo\Delta Q=Q_i-Q_oΔQ=Qi​−Qo​. 现定义Δh\De

摘要AGV（即自动导向小车）是一种集控制、定位、各种传感器技术于一体的设备。随着智能车技术的不断发展，智能车的应用范围和功能都将大为拓展，现已逐渐用于工业与民用领域。但是由于负载变化、使用环境条件恶劣等原因，在实际运用时AGV小车在定位及控制上依然有许多难点需要攻克。本文即针对上述难点，研究并设计了一种新型的驱动方式和控制系统，利用模糊控制与PID控制相结合的方法，在开机初期误差矫正快，后期平稳，可以迅速跟踪期望轨迹。在实验状态下，运行速度为1米每秒时，0.5米的误差约5秒即可消除，达到稳定状态。引言

点击每个输入或输出变量旁边的 “编辑” 按钮，进入隶属函数编辑界面。在这里可以添加、编辑或删除隶属函数，调整其形状和参数。是一个强大的工具，可以直观地创建和修改模糊逻辑系统，适合希望利用模糊逻辑进行控制或决策的用户。通过简单的图形界面，用户可以方便地添加变量、定义规则和测试系统。