水下机器人AUV建模与仿真：从运动学方程到控制器调试全解析

简介：面向使用Matlab开展自主水下航行器研究的学生与工程师，这份资料提供了完整的AUV建模与仿真环境。代码基于Matlab 2014a、2019b、2024b编写，采用参数化编程模式，参数可灵活修改，便于观察不同工况下AUV的运动特性。案例数据已预置，下载解压后可直接运行，特别适合计算机、电子信息工程、数学等专业的学生用于课程设计、期末大作业或毕业设计。压缩包内含9个文件：4个m脚本负责模型搭建与测试交互，2张png图片展示运行结果，1个txt和1个md文档说明代码结构与使用要点，1个gif动画演示动态效果，整体大小仅4.34MB，轻量易用。目前已有64人学习下载，作为入门AUV仿真的实操样例，能帮助读者快速跑通流程并理解建模逻辑。代码注释清晰、思路分明，不仅方便对照修改，也能为后续扩展控制算法、规划任务提供可复用的基础框架。这套资料既适合初学者快速上手，也方便有基础的开发者在此基础上开展二次开发。 做AUV项目，第一件事往往不是下水，而是先把它扔进电脑里跑起来。最近在整理一个名为“AUV进行建模和仿真.zip”的工程包，里面装着一条完整的水下机器人建模与仿真链路，从运动学方程推导到三维可视化验证，再到控制器调试，一应俱全。这套东西对刚入行无人系统、水下机器人的工程师，或者正在准备数学建模竞赛、需要快速搭建一个物理模型的学生来说，价值很大。它解决的痛点很直接：没有实物样机之前，怎么验证你的控制算法、观测器设计甚至路径规划逻辑？答案就是建模加仿真，用数学模型代替物理实体，把成本降到最低，把迭代速度提上来。

我花了两天时间把这个压缩包里的内容完整过了一遍，包括核心的MATLAB脚本、Simulink模型、SolidWorks导出的三维模型文件，以及一份参数配置文档。整个过程踩了不少坑，也理顺了许多细节。这篇文章就把整个AUV建模与仿真的思路、实操步骤、关键参数处理以及避坑经验完整拆解一遍，希望能给正在做同类项目的人一些参考。

1. 为什么建模与仿真必须先行

拿AUV这类系统来说，它的工作环境是水下，通信受限、GPS不可用、环境动态复杂，一旦真机调试出问题，轻则丢螺旋桨，重则整机打捞不上来。所以行业内约定俗成的做法是：先建模，再仿真，最后才造实体。仿真不是替代实机实验，而是把绝大部分逻辑错误、参数错误、控制发散问题在进入水池之前全部暴露掉。

1.1 仿真帮你提前暴露80%的问题

我见过不少团队，上来就买舵机、打密封舱、烧主控板，结果第一次下水就发现航向稳不住、深度定不住，最后只能靠PID参数盲调，浪费大量时间。而如果前期用Simulink或Gazebo做一遍完整的动力学仿真，这些问题早就可以发现。

举个最直观的例子：水下机器人的横滚与俯仰耦合非常严重，螺旋桨推力稍微不平衡，车体就会侧翻。这种现象在仿真里能清晰观测到，但在实物上往往要等你把机器人捞上来才发现。建模与仿真相当于给你一双“上帝视角”，把每一个物理量的变化过程都记录下来，排查问题效率翻倍。

1.2 建模的本质是给机器人“写物理规律”

很多人一听到建模就头大，觉得是纯数学推导，离工程很远。其实建模做的工作很简单：把AUV在水下的受力情况用方程描述出来。受力包括重力、浮力、螺旋桨推力、水动力阻尼、附加质量力、科氏力等等。这些力叠加在一起，形如这样一个经典的水下机器人六自由度动力学方程：

[ M\dot{\nu} + C(\nu)\nu + D(\nu)\nu + g(\eta) = \tau ]

其中 ( M ) 是包含附加质量的惯性矩阵，( C(\nu) ) 是科氏力和向心力矩阵，( D(\nu) ) 是水动力阻尼矩阵，( g(\eta) ) 是恢复力（重力与浮力合力），( \tau ) 是推进器产生的控制力与力矩。

初次接触这些公式容易懵，但它的物理含义其实很朴素：AUV所有的运动变化，都是“合力等于质量乘加速度”的水下版本，只不过把空气换成了密度大得多的水，多了浮力和附加质量这些水中特有的效应。把这个方程在MATLAB里搭出来，就是整个仿真系统的核心。

1.3 建模与仿真的标准流程

一次标准的AUV建模与仿真流程分为四步：

1. 建立运动学模型：描述AUV的位置、姿态与速度之间的关系。
2. 建立动力学模型：写出合力与加速度的关系式。
3. 建模三维几何体：在SolidWorks或Fusion 360中建立AUV外壳模型，目的是计算体积、浮心、重心以及转动惯量。
4. 联合仿真验证：把数学模型和三维模型接入Simulink或Gazebo，走完一个完整的控制回环。

这四步缺一不可。跳过第三步会导致转动惯量基本靠猜，仿真出来的动态响应跟真实系统完全对不上。很多仿真看着像模像样，拿到实机上却崩盘，问题就出在这。

2. 从运动学模型开始，一步步搭起AUV的“数字分身”

AUV建模的第一步是定义坐标系和运动参数。这里推荐使用国际水池会议（ITTC）和造船与轮机工程学会（SNAME）的标准符号体系，也就是行业里常说的“六自由度运动模型”。这六个自由度分别是：沿x轴的纵荡（surge）、沿y轴的横荡（sway）、沿z轴的垂荡（heave），以及绕这三个轴的横滚（roll）、纵倾（pitch）和艏摇（yaw）。

2.1 坐标系定义与参数表规范

在建立模型之前，必须先把两个坐标系定义清楚。一是大地坐标系（惯性坐标系），固定于地球，原点可设在出发点水面；二是载体坐标系（体坐标系），原点位于AUV重心，随AUV一起运动。

我在项目中建议学生把下表这个“参数定义表”放在建模文档第一页，这是后续所有推导的“锚点”，不能搞混：

从船上借鉴来的这套符号体系，好处是当你要查阅文献或参考其他开源项目时，符号可以直接对齐，不需要互相猜。

2.2 运动学方程与欧拉角转换

运动学方程描述的是“载体速度与大地坐标下位置变化率之间的关系”，形式上可以写成：

[ \dot{\eta} = J(\eta)\nu ]

这里的 ( J(\eta) ) 是一个由欧拉角构成的变换矩阵，负责把载体坐标系下的线速度和角速度转换到大地坐标系。欧拉角在AUV仿真中通常采用 ( z-y-x ) 顺序的旋转，也就是先偏航、再纵倾、最后横滚。这样定义的好处是避免在纵倾角接近 ±90° 时出现“万向节锁死”奇异问题。

实操中有一个容易踩的坑：MATLAB的angle = [roll; pitch; yaw]传入旋转矩阵时，角度单位必须是弧度，很多人用角度制传进去，导致姿态解算结果相差57.3倍，整个仿真直接发散。所以在我写的所有模型脚本里，第一行一定是deg2rad转换，避免这类低级错误。

2.3 动力学模型与矩阵详解

动力学模型是整个AUV仿真的“心脏”。完整表达式就是前面写的那个方程展开：

[ M\dot{\nu} + C(\nu)\nu + D(\nu)\nu + g(\eta) = \tau ]

逐个矩阵拆开看：

• ( M )：惯性矩阵，包含刚体质量/转动惯量与附加质量效应。水下机器人与地面机器人的最大区别就是“附连水质量”——AUV运动时，周围流场会随之运动，这部分等效质量可高达AUV自身质量的30%到100%。忽略附加质量，仿真响应会明显偏“轻快”，和实机动特性差距很大。

• ( C(\nu) )：科氏力与向心力矩阵。描述旋转运动与平移运动之间的耦合。AUV在做转弯机动时，纵荡速度会耦合出横荡力，导致车体出现“侧滑”现象，这在仿真中体现为转弯半径明显大于静力学预估。

• ( D(\nu) )：水动力阻尼矩阵。通常分解为线性项 ( D_l ) 和二次项 ( D_q|\nu| )。线性项来自层流摩擦，二次项来自涡流阻力。浅水区、近水面区域的阻尼系数与深水区差异明显，因为自由液面效应会增加兴波阻力。

• ( g(\eta) )：恢复力/恢复力矩向量。来源于重力与浮力作用点不重合产生的回复力矩。设计AUV时，通过配平让重心位于浮心下方，AUV才能保持正浮性稳定。重心与浮心之间的距离称作稳心高，是水下机器人设计的一个核心参数。

2.4 推力配置矩阵：帮你把推进器分配算明白

有了被控对象的动力学方程，还需要把控制输入 ( \tau ) 映射到各个推进器上。这一环节叫“推力配置矩阵”。AUV常用的配置包括：尾部主推进器两个、垂向推进器两个、侧向推进器一个。每个推进器安装位置和方向都不同，需要计算一个配置矩阵 ( B )，满足：

[ \tau = B f ]

其中 ( f ) 是各推进器推力向量。比如一台配置为“尾部双主推 + 垂向双推”的AUV，配置矩阵就是 6×4 的矩阵，每一列对应一个推进器的推力和力矩映射关系。

实操中，推力配置矩阵可以用数值方法在MATLAB里直接求伪逆：

% 推力配置矩阵伪逆计算 B = [ ... ]; % 根据推进器安装位置与方向填写 B_pinv = pinv(B);

这个伪逆矩阵用于控制分配。给定控制器输出的期望合力 ( \tau )，就可以算出每台推进器需要的推力，再反解出转速指令。

3. 三维模型构建与仿真环境接入

数学模型的参数（质量、转动惯量、浮心位置等）不是拍脑袋定的，而是从三维模型里“量”出来的。这就是为什么建模与仿真流程里必须包含三维建模这一步。

3.1 用SolidWorks建立AUV外壳并计算物理属性

合理的第一步是在SolidWorks里按1:1比例画出AUV的外壳、密封舱、电池仓、推进器等主要结构。很多初学者觉得画外形浪费时间，直接从一个网站下载stl模型凑合，结果质量、体积、浮力参数全是错的，仿真自然不准。

正确做法：在SolidWorks里完成装配体后，通过“评估”菜单里的“质量属性”工具，设置好材料密度（铝合金2700 kg/m³、ABS塑料1050 kg/m³、锂电池组按体积折算密度），软件会自动计算出整机的质量、质心位置、转动惯量矩阵。这套数据直接填进MATLAB模型的 ( M ) 矩阵和 ( g(\eta) ) 向量里。

3.2 从三维模型到Simulink仿真环境

拿到SolidWorks模型之后，有两种路径接入仿真：

• 路径一：把模型转成STEP或STL格式，通过Simscape Multibody的import功能导入，直接在Simulink里搭机械结构。好处是仿真动画非常直观，能看到AUV在三维空间里的运动姿态。
• 路径二：只取质量属性数值，在Simulink里用S-Function或者MATLAB Function模块写动力学方程，用Scope记录状态变化。好处是计算速度快、便于批量跑参数扫描，适合做控制器参数整定。

在我的项目里，这两种路径是配合使用的：先用Simscape做可视化验证，确认运动趋势合理；再用纯数学模块跑蒙特卡洛参数扫描，统计控制性能边界。

3.3 想要更真实？试试Gazebo与ROS的组合

如果项目涉及传感器仿真、路径规划、多机协同，那么纯Simulink的简单仿真就不够用了。更贴近工程实际的是Gazebo配合ROS，用uuv_simulator这个开源包。它是目前水下机器人仿真社区里维护最活跃的项目之一，内置了水动力模型、海流干扰、声呐仿真插件，可以直接加载URDF模型跑SLAM和路径跟踪。

有人在热搜词里提到“panda机械臂gazebo仿真”和“ros小车自主导航仿真”，思路其实类似：Gazebo负责物理引擎和传感器数据生成，ROS负责算法节点通信。把AUV模型替换成URDF格式后，可以直接复用这套架构做水下版本的感知与规划验证。

3.4 建模软件选型建议

4. 参数处理与仿真调试中躲不开的坑

这部分是整篇文章最值得细看的，因为我踩过的坑非常多，而且很多坑在教科书里完全找不到。

4.1 附加质量的估算处理

附加质量 ( M_A ) 可以用切片理论或者CFD估算，但工程上常用近似公式：对细长体AUV，沿x轴的附加质量约为排水质量的5%-10%，沿y/z轴的附加质量约为排水质量的50%-100%。因为横荡和垂荡方向要推动大量水一起运动，等效质量大得多。

合理做法：先按经验值填入模型，仿真跑通后再用水池实验或CFD结果来校正附加质量系数。不要一开始就追求精确，过于纠结参数会拖慢整体进度。

4.2 仿真时间步长与数值发散问题

我在Matlab里用ode45求解AUV动力学方程时，遇到过很多次“仿真到第3秒直接NaN”的情况。排查下来，最常见的原因是时间步长太大或者状态量量级差距太大。

具体表现：线速度的量级是 0-2 m/s，角速度的量级是 0-0.5 rad/s，位置量级则是 0-100 m。求解器默认容差对位置量级合适，对角速度量级就太粗了。解决方案：

options = odeset('RelTol', 1e-6, 'AbsTol', 1e-6); [t, y] = ode45(@(t, y) auv_dynamics(t, y, tau), [0, 100], y0, options);

把绝对容差调小，数值发散概率大幅降低。这属于那种“调一天参数，总算找到原因”的经典问题。

4.3 控制器调试的一点点心得

把动力学模型搭好之后，最核心的是控制器的调试。在纯仿真阶段，大概率会遇到“仿真能稳，实机发散”的尴尬。根源往往是模型里没有加入执行机构延迟和饱和特性。

我给项目加上了推进器的响应延迟（一阶惯性环节）和推力饱和限幅（比如单推进器最大推力50N）。加了这些之后，调好的PID参数才更接近实机可用的水平。否则仿真里增益可以拉得很高，看似响应快，实机一跑就震荡甚至烧电机。

4.4 压缩包管理的一个提醒

说个题外的实操建议：这个项目资源以zip形式分发，涉及多个版本的代码和模型文件。我习惯在解压后立刻用Git初始化一个本地仓库，每完成一个可运行的版本就提交一次。这样做的好处是，当你调参把模型改坏时，随时可以一键回退到之前能跑的版本。Git管理加上建模参数的版本记录，基本能保证项目不“炸车”。

5. 从单机仿真走向系统级应用

建模与仿真做完，还只是第一步。接下来要想清楚这套模型能用来干什么。

5.1 控制算法验证与嵌入式部署

AUV的航向控制、深度控制、悬停控制，都可以在仿真模型里验证。一个典型流程是：在Simulink里用PID或LQR控制器跑通航向跟踪，然后生成C代码部署到STM32或树莓派上。我在项目里就做了从Simulink自动生成C代码的工作，省掉手写一遍控制器的功夫。

5.2 水池实验与模型校正的闭环

仿真模型的参数（水动力系数、附加质量、阻尼）最终必须通过水池实验校正。常见的校正是做“衰减试验”：把AUV悬浮在水池中给一个初始速度，记录速度衰减曲线，与仿真对比，调整阻尼系数直到两者匹配。这条闭环链路是整个建模工作的最终价值所在——仿真再完美，也要接受真实数据检验。

6. 最后再分享一个调试技巧

我在实际调试这套AUV模型时，有一个小技巧特别想分享：先在低维度下验证再扩展到全维度。具体来说，第一次跑通仿真前，先固定横滚和纵倾自由度，只让AUV在水平面运动，调试航向控制器。水平面控制稳定后，再放开纵倾自由度，调试深度控制，最后才放开所有自由度做全姿态控制。这样可以避免多个控制环互相干扰时，出了问题根本不知道是哪一环引起的。

另外一个习惯是，把仿真中的每个状态量都单独存成日志，包括位置、姿态、速度、推力输出。分析问题时，把姿态和推力画在一张图上，常常一眼就能看出是“控制器过冲导致推力饱和”还是“模型参数错误导致响应异常”。这种“先画图再下结论”的排查习惯，能帮你节省大量Debug时间。

AUV建模与仿真这套流程，难度不在某一步特别复杂，而在链条很长、细节很多。把坐标系定义清楚、参数表整理规范、仿真环境选型合理，后面的一切都会顺利得多。希望这篇文章能帮你少走一些弯路，把更多时间花在真正有挑战的控制算法和系统设计上。

本文还有配套的精品资源，点击获取