随着无人机技术的发展,具有高机动性的无人机基站可在移动通信中承担数据传输任务。由于单无人机覆盖范围有限、能量受限,需要多无人机间、无人机与地面终端间协作完成任务。无人机能耗主要包括基于路径的飞行能耗和基于通信速率需求的悬停能耗。无人机通信任务过程中,在保证通信速率约束的情况下,采用路径规划对飞行能耗与悬停能耗进行权衡,通过联合优化路径长度和悬停点位置,降低无人机整体能耗。本论文研究基于任务的协同路径规划问题,在保证通信速率约束的情况下降低无人机的能量消耗,对有效提高任务完成效率具有重要意义。本论文总结了无人机协同路径规划的研究现状和典型方法,针对基于任务的路径规划问题,提出了一种无人机协同路径规划方法,分为任务分配和轨迹规划两个子问题进行解决。首先,在任务分配阶段引入基于扩展一致性束算法,通过竞拍和冲突消解两个阶段以实现多无人机协同任务分配。进一步建立了无人机基站的数据传输和飞行轨迹模型,其中,在数据传输中通过引入连续凸逼近技术计算通信覆盖范围,以确定无人机悬停点的范围,并计算传输速率和时间;在飞行过程中,采用基于探索的深度强化学习模型以联合优化飞行轨迹和悬停点位置,并通过引入快速搜索随机树以提高探索能力。基于TensorFlow框架搭建OpenAI Gym仿真环境,测试结果表明,所提方法能够实现无人机协同的路径规划,其具有快速收敛的能力,在保证通信速率约束的情况下更逼近最优轨迹,有效降低了无人机能耗,从而提高任务完成效率。