无人机航路规划是任务规划系统的核心研究内容之一,是实现无人机自主飞行的一项关键技术。本论文针对无人机的不同任务需求,围绕无人机航路规划方法进行以下几个方面的研究。首先,确定无人机航路规划的研究内容包括规划空间环境建模、约束条件、任务要求和规划算法。根据无人机定高飞行,建立了合适的环境模型。根据无人机的各项约束条件以及航路规划目标,确定本文采用的规划方法。其次,将遗传算法的思想与具体的航路规划问题相结合,通过采用一种变长实值基因编码方式和特定的进化算子,将无人机的约束条件融合于算法中,使生成的航路能够满足实际的飞行要求。通过优化设计评价函数,使算法能根据不同的任务需求规划出满足生存概率和突防概率等不同作战效能的飞行航路。然后,在基于进化计算的航路规划方法基础上,运用聚类算法和小生境的思想,将航路个体按空间分布进行聚类,将航路种群划分为不同的子种群进化,运用分散求解的思想,通过协同变量和协同函数,将复杂的协同问题分解为多个小的优化问题,实现了多架无人机航路协同规划。最后,研究实现了具有导向性的连接型快速搜索随机树,加快算法的收敛速度,使算法路径搜索具有更强的目标性。使用高效的k-d tree数据结构提高算法的搜索效率。将改进的算法应用于无人机飞行中突发威胁和障碍物环境下的快速动态航路规划问题中,仿真实验表明算法能够快速有效的为无人机规划新的航路。本文的研究工作能够根据无人机的不同任务要求,结合静态规划和动态规划优点,提高无人机自主飞行作战效能,实现无人机作战前的航路静态规划和飞行过程中航路动态规划,所有算法均在VC++6.0下调试通过,满足常规无人机战时对航路规划时间的要求。