无人机路径规划是多无人机协同控制的核心,随着无人机的普及率增大,居住环境更加复杂的民众与无人机的接触更加频繁,这也给无人机的整体控制提出了一个挑战,使得单无人机甚至是多无人机协同路径规划成为了近年来的一个热点研究问题,与此同时,无人机在三维飞行空间的机间相互通信以及多自由度导航上的复杂度也使得多无人机协同更具有挑战性。多无人机的协同路径规划是指在单个无人机基础上的以协同完成任务为目的的多目标规划方法,一般用在任务集较大且任务完成有先后次序的规划上效果尤为凸显。常见的多无人机路径规划有的侧重于环境的构建及最短路寻优,或者集中于解决最短路算法的性能问题,也有解决侧重协同准则的设计的。本文则在环境模型的建立、最短路算法优化以及多机协同方面均对已有的方法进行了改进,并分析模拟实验的结果得出相关的结论,本文的主要内容以及创新点如下:1.设计了几种威胁源的威胁分布模型,并据此定义二维Voronoi图的综合威胁场概念。对传统方法单一的威胁源做了扩充,并对一些威胁分布模型进行了改进,依据常识通过实验不断调整威胁表达式的结构,旨在得出一种计算速度快又接近实际情况的Voronoi环境威胁场。2.研究了单个无人机在上述的Voronoi图的威胁场中蚁群算法并且提出了一种改进算法蚁群算法,算法在经典蚁群的基础上主要针对两个点做了改进:为了使得算法的收敛速度加快,在一个固定代数时进行一次附加的最短路的信息素更新;为了使得算法的性能更快,在目标点处加了一种启发式信息因子,这种信息有利于蚂蚁在寻最短路时能缩短到目的点的时间。实验通过对比了改进蚁群以及经典最短路算法的在统一前提环境下,搜索并比较得到的解的准确性与算法的性能。3.将K-trajectory平滑算法用到初始路径的平滑中,并且基于平滑的轨迹的特性,提出了一种基于区间距离的协同准则,这种准则定义了何时无人机才能够彼此协同以及无人机将如何协同。作为本文的核心内容,基于上述几点,建立起了一套“环境建模-初始路径规划-路径平滑-协同规划”的流程,并实现了模拟仿真实验。