4. 集群运动学与动力学建模

在无人机集群仿真中，运动学与动力学模型决定了每架无人机“如何动、动得多快、受什么限制”。如果模型过于理想，仿真结果会与真实飞行差距巨大；如果模型过于复杂，又难以支撑几十甚至上百架规模的实时仿真。因此，本节的核心任务是建立一套分层可用的建模体系：先统一坐标系，再给出完整六自由度模型，然后根据仿真目的降阶为简化模型，最后把风扰和执行器约束作为“真实感补丁”叠加进去。

一、坐标系定义：一切运动描述的基准

集群仿真中最容易出错的地方不是方程本身，而是坐标系混用。建议至少定义三套坐标系，并在整个仿真中保持符号约定一致。

• 惯性坐标系（NED）：原点取在集群初始几何中心，X轴指向正北，Y轴指向正东，Z轴指向地心。位置、速度、航向均在此系下描述，便于多机统一比较。
• 机体坐标系：原点在无人机质心，X轴指向机头，Y轴指向右翼，Z轴指向机腹。角速度 p、q、r 分别绕机体 X、Y、Z 轴，符合右手定则。
• 航迹坐标系：用于描述速度方向，X轴沿速度矢量，常用于风扰下的地速/空速分解。

姿态角采用 Z-Y-X 欧拉角序列：偏航角 ψ 绕 Z 轴，俯仰角 θ 绕 Y 轴，滚转角 φ 绕 X 轴。旋转矩阵 R 由这三个角复合而成，将机体坐标转换到惯性系。约定：抬头为正俯仰，右滚为正滚转，右偏航为正偏航。全文及图示均遵循此约定。

二、六自由度模型：完整但昂贵的基准

六自由度模型包含三轴平动与三轴转动，是集群仿真的“物理真值”。其核心方程可写为：

平动：m * dV/dt = R * F_body + m * g + F_wind
转动：I * dω/dt + ω × (I * ω) = M_body + M_wind
运动学：dP/dt = V,  dΘ/dt = W(φ,θ,ψ) * ω

其中 m 为质量，I 为惯量矩阵，F_body 为机体合外力（拉力、气动力），M_body 为合外力矩，F_wind 与 M_wind 为风扰附加项。对于多旋翼，拉力 T 沿机体 -Z 方向，力矩由四个电机转速差产生。该模型精度高，但每架无人机需积分 12 个状态量，百架规模下计算量显著。

三、简化运动模型：按仿真目的降阶

集群仿真通常不需要每架都跑完整六自由度。根据任务层次，可选择三种简化路径：

• 质点模型：只保留三轴位置与速度，忽略姿态动力学，适用于大规模编队几何验证。输入为期望速度指令，输出为位置轨迹。
• 三自由度模型：保留位置与偏航，假设俯仰/滚转由内环快速稳定，适用于航迹跟踪与避障。
• 双环模型：外环位置控制 + 内环姿态控制，保留姿态响应但忽略气动弹性，是精度与效率的折中。

降阶原则是：被忽略的自由度必须由控制器快速补偿。例如质点模型假设姿态瞬时跟踪，若实际姿态响应慢，则仿真结果会偏乐观。

四、风扰建模：从常值风到 Dryden 湍流

风扰是集群仿真中最具真实感的扰动源。建议分三层建模：

• 常值风：在 NED 系下给定风速矢量 [Wn, We, Wd]，叠加到空速上，产生地速偏移。
• 阵风：用 1-cos 或阶跃模型模拟短时风速突变，检验控制器抗扰能力。
• Dryden 湍流：通过成形滤波器生成有色噪声，功率谱密度符合 MIL-F-8785C，适合高保真场景。

风对无人机的作用可分解为：改变相对空速，从而改变气动力；对多旋翼则主要体现为位置漂移和姿态扰动。仿真中需将风速从惯性系转换到机体系后再参与气动力计算。

五、执行器约束建模：让仿真“飞得动”

真实执行器存在饱和、速率限制和延迟。若忽略这些，仿真中会出现“指令完美跟踪”的假象。建议至少建模以下约束：

• 转速饱和：电机转速限制在 [ω_min, ω_max]，对应拉力上下限。
• 速率限制：转速变化率不超过 dω_max，模拟电机响应带宽。
• 一阶延迟：用时间常数 τ 描述指令到实际转速的滞后。
• 姿态角限制：滚转/俯仰角不超过安全阈值，如 ±35°。

这些约束可直接作用于控制指令输出端，形成“指令 → 约束 → 实际执行”的链路。下图展示了从坐标系定义到执行器约束的完整建模信号链，以及各环节的输入输出关系。

六、建模实践建议与参数示例

以下给出一组适用于中小型多旋翼集群仿真的示例参数（非实测，仅用于教学演示）：质量 m = 1.2 kg，惯量 Ixx = 0.012、Iyy = 0.012、Izz = 0.022 kg·m²，电机时间常数 τ = 0.05 s，最大转速 9000 rpm，最小转速 1500 rpm，转速变化率上限 40000 rpm/s，最大滚转/俯仰角 35°。风扰示例：常值风 [3, 1, 0] m/s，Dryden 湍流尺度 200 m，强度 1.5 m/s。

在仿真循环中，建议按以下顺序处理：读取期望指令 → 执行器约束限幅 → 计算实际拉力/力矩 → 叠加风扰气动力 → 六自由度或简化模型积分 → 更新状态 → 输出。这样可保证约束和扰动在正确的位置介入，避免“先积分后限幅”导致的非物理结果。

综上，集群运动学与动力学建模不是单一方程，而是一条从坐标系到执行器的完整链路。理解每一层的假设与适用边界，才能在仿真精度与计算效率之间做出合理取舍，为后续编队控制、避障和任务规划提供可信的验证基础。