✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍

无人水面艇（Unmanned Surface Vessel, USV）的运动控制性能直接决定其在巡逻、测绘、搜救等任务中的可靠性，而推进器推力作为运动控制的核心输入，其变化会直接影响 USV 的速度、位置与姿态动态响应。Fossen 船舶动力学模型作为国际公认的高精度运动模型，能精准描述 USV 在风、浪、流干扰下的运动特性，尤其适用于推力 - 运动关系的定量分析。

本文以 “设定推进器推力指令” 为核心输入，基于 Fossen 模型构建 USV 运动仿真系统：首先推导 Fossen 模型的水平面动力学方程，明确推力与 surge（纵向）、sway（横向）、yaw（艏摇）三自由度运动的数学关联；然后通过 Python 实现仿真逻辑，设置 “恒定推力”“阶跃推力”“脉冲推力” 三组典型输入场景；最后通过多维度图表（位置轨迹图、速度时域曲线、姿态角变化图）直观展示 USV 的动态响应特性，为 USV 推力控制算法设计与性能优化提供数据支撑。

一、Fossen 模型 USV 动力学基础：推力与运动的数学关联

USV 的水平面运动主要涉及surge（纵向，沿船体 x 轴）、sway（横向，沿船体 y 轴）、yaw（艏摇，绕垂直 z 轴） 三个自由度（忽略 roll 横摇与 pitch 纵摇对水平面运动的影响）。Fossen 模型通过 “惯性力、阻尼力、科氏离心力、推力” 四部分力平衡，建立推力输入与运动状态的动力学方程。

（一）坐标系定义

为准确描述 USV 运动，需区分 “大地坐标系（NED）” 与 “船体坐标系（Body）”：

坐标系类型	定义	用途	坐标轴指向
大地坐标系（NED）	固定于地球表面的惯性坐标系	描述 USV 的绝对位置（x, y）与绝对航向角（ψ）	x 轴：北（North），y 轴：东（East），z 轴：下（Down）
船体坐标系（Body）	固连于 USV 重心的随动坐标系	描述 USV 的相对速度（u, v, r）与推力方向	x 轴：沿船体艏向（Forward），y 轴：沿船体右舷（Starboard），z 轴：垂直向下

⛳️ 运行结果

📣 部分代码

figure(1)

plot(t,nu(:,1),'linewidt',2)

xlabel('time (s)'),title('Surge velocity (m/s)'),grid

figure(2)

plot(t,nu(:,2),'linewidt',2)

xlabel('time (s)'),title('Sway velocity (m/s)'),grid

figure(3)

plot(t,(180/pi)*nu(:,3),'linewidt',2)

xlabel('time (s)'),title('Yaw rate (deg/s)'),grid

figure(4);hold on

xpos = eta(:,1); ypos = eta(:,2); psi = eta(:,3);

xrange=[-50 50 100]; yrange = [-50 50 150];

for k=1:100:Ns

    pos1 = [eta(k,1) eta(k,2)]'; 

    modelplot(pos1,eta(k,3),'r-',1);

end

Xmax = xrange(3);  Xinterval = xrange(2); Xmin = xrange(1);

Ymax = yrange(3);  Yinterval = yrange(2); Ymin = yrange(1);

plot(ypos,xpos,'r','linewidth',2)

box on

axis([Xmin Xmax,Ymin Ymax]);

set(gca,'xTick',Xmin:Xinterval:Xmax);

set(gca,'yTick',Ymin:Yinterval:Ymax);

grid on

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌟 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌟 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化

🌟 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、

🌟 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌟 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌟 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码