基于 CBF 的多无人机编队动态避障路径规划研究，无人机及障碍物数量可以自定义修改，MATLAB代码

针对多无人机编队在动态障碍物环境下的协同飞行与安全避障问题，本文采用领航‑跟随编队控制与控制障碍函数（CBF）相结合的方法，设计一种分布式多无人机避障控制框架。系统以集群几何中心为虚拟领航点实现稳定编队，通过控制障碍函数将避障约束转化为二次规划（QP）问题，实现无人机对动态障碍物的实时规避；同时引入无人机间安全距离约束，保证单机自主避障且不干扰其他无人机飞行。仿真结果表明，所提方法可实现动态障碍物无碰撞运动、多无人机编队保持、无人机间自主避障，满足复杂动态环境下多机安全协同飞行要求。

一、算法原理

1. 领航-跟随编队控制原理

设计思路 ：以无人机集群几何中心为虚拟领航点，所有无人机作为跟随者保持相对位置。

计算集群中心位置：
Pcenter=1N∑i=1NPuav,i\boldsymbol{P}{center} = \frac{1}{N}\sum{i=1}^N \boldsymbol{P}_{uav,i}Pcenter=N1i=1∑NPuav,i
每架无人机保持与中心的固定相对位置，实现队形稳定；
中心向总目标点匀速运动，带动整个编队移动。

2. 控制障碍函数（CBF）避障原理

CBF是实现安全避障的核心理论，保证无人机与障碍物/其他无人机始终大于安全距离：

定义安全函数：
h(x)=d(x,xobs)−Dsafe≥0h(\boldsymbol{x}) = d(\boldsymbol{x},\boldsymbol{x}{obs}) - D{safe} \ge 0h(x)=d(x,xobs)−Dsafe≥0
ddd为距离，DsafeD_{safe}Dsafe为安全距离，h≥0h \ge 0h≥0 表示无碰撞。
安全约束：h˙≥−αh\dot{h} \ge -\alpha hh˙≥−αh，保证系统渐进安全；
将避障需求转化为线性不等式约束，代入二次规划求解最优控制量。

3. 二次规划（QP）求解

目标：最小化控制量与期望速度的误差

约束：满足CBF避障安全条件
min⁡12vTv−vaimTv\min \frac{1}{2}\boldsymbol{v}^T\boldsymbol{v} - \boldsymbol{v}_{aim}^T\boldsymbol{v}min21vTv−vaimTv
s.t. Av≤bs.t. \ \boldsymbol{A}\boldsymbol{v} \le \boldsymbol{b}s.t. Av≤b

求解得到无碰撞、稳定平滑的无人机速度。

4. 动态障碍物运动原理

每个障碍物独立随机生成运动方向与速度；
到达边界自动速度反弹；
实时检测与其他障碍物距离，小于安全距离则速度反向，实现无碰撞移动。

二、实现思路

MATLAB代码采用模块化设计，分为参数初始化、动态障碍物更新、无人机控制、可视化更新四大流程：

阶段1：初始化模块

配置无人机数量、初始位置、目标点；
配置动态障碍物数量、初始位置、运动参数；
定义安全距离、避障强度、速度限制等核心参数；
计算每架无人机的独立终点位置；
初始化图形界面，为不同无人机分配颜色+终点标记符号。

阶段2：动态障碍物更新（无碰撞移动）

循环遍历每个障碍物：

独立计时，定时随机改变运动方向与速度；
预计算下一时刻位置，进行边界碰撞检测；
与其他障碍物进行距离检测，小于安全距离则速度反向；
更新障碍物位置并刷新绘图。

阶段3：无人机编队+自主避障（核心）

虚拟领航点控制：计算集群中心向目标点的期望速度；
全局避障：CBF构建障碍物安全约束，QP求解中心速度；
单机独立避障 （新增功能）：
- 每架无人机单独检测其他无人机距离；
- 构建无人机间防碰撞约束，独立QP求解速度；
- 保证无人机互不干扰、无碰撞；
龙格-库塔法更新无人机位置，保证运动平滑。

阶段4：可视化与数据存储

实时更新无人机、障碍物位置图形；
绘制无人机轨迹，用不同标记显示各无人机终点；
绘制速度、编队误差、目标距离曲线；
存储无人机飞行轨迹数据。

三、约束条件

1. 移动障碍物不碰撞实现

为每个障碍物设置独立运动逻辑，互不影响；
移动前预检测与所有障碍物的距离；
距离 < 安全距离 → 速度立即反向，从根源避免碰撞；
边界触碰反弹，防止飞出仿真区域。

2. 无人机独立自主避障

保留原编队结构，不改变整体协同逻辑；
为每架无人机增加单机避障层 ：
1. 检测周围其他无人机位置；
2. 构建独立安全约束；
3. 单独求解二次规划，获得自身无碰撞速度；
实现：编队不乱、无人机不撞、自主绕避。

四、部分MATLAB代码及效果

bash 复制代码

clc; clear all; close all; warning off;

% 1. 无人机配置
UAV_NUM = 6;                  % 无人机数量
car_position = [-2, -3, -2, -1, -3,-1; 
                -2, -2, -3, -2.5, -0.5,0; 
                0, 0, 0, 0, 0,0];  

% 2. 障碍物初始配置（独立随机移动）
OBSTACLE_NUM = 6;             % 障碍物数量
obstacle_position = [0, 2, 2, 4, 1, 3; 
                     -1, 2, 4, 4, -2, 2.5];  
       for k = 1:UAV_NUM
            % 基础编队速度
            v_base = center_v - 10*(car_position(1:2,k)-center_position-relative_center_position(:,k));
            
            % 构建单机独立避障约束：避开其他无人机
            A_uav = []; b_uav = [];
            for m = 1:UAV_NUM
                if m == k, continue; end
                dx = car_position(1,k) - car_position(1,m);
                dy = car_position(2,k) - car_position(2,m);
                d = norm([dx; dy]);
                safe_d = uav_safe_dist;
                if d < safe_d * 1.8  % 近距离才触发避障
                    A_uav = [A_uav; dx/d, dy/d];
                    b_uav = [b_uav; alpha*(d - safe_d)];
                end
            end
            
            % 单机独立求解速度（自主避障）
            if ~isempty(A_uav)
                v_opt = quadprog(eye(2), -v_base, -A_uav, b_uav, [], [], [], [], [], opt);
            else
                v_opt = v_base;
            end
            
            car_v(:,k) = max(min(v_opt, speed_limit), -speed_limit);
        end