倾转旋翼无人机航迹规划是在自身飞行性能的约束下,依靠智能航迹规划算法优化出一条航迹短、油耗低和代价小的无碰撞航迹,航迹规划算法既需要搜索全局最优路径,又需要进行实时性避障。针对上述目标,本文将A*算法与人工势场法相结合,开展了倾转旋翼无人机飞行性能约束条件下的飞行路线规划研究。针对上述内容,重点开展了倾转旋翼无人机航迹规划混合算法研究,具体内容如下:第一章,阐述了无人机航迹规划算法的国内外研究现状,表明航迹规划算法研究对倾转旋翼无人机发展的重要意义,并引出了本文的主要研究内容。第二章,对倾转旋翼无人机二维和三维航迹规划进行了环境建模,考虑航迹规划的实际意义,引入了倾转旋翼无人机自身性能约束,重点对最小转弯半径约束、最小航迹段约束、最大航程约束和最大爬升角约束进行建模。进一步考虑倾转旋翼无人机执行任务时的潜在威胁,如雷达威胁、大气威胁和导弹威胁等进行建模,最终设计了航迹代价计算方法。第三章,针对目标不可达问题,改进了传统人工势场法,并修正了人工势场法斥力势场函数;通过增加提前预警点和临时子目标解决了局部极小值问题。通过改进A*算法和加入最小转弯半径约束,有效减少了扩展的无效节点;采用扩展搜索范围和减少转折的策略,实现了规划航迹更优的目标。第四章,针对仅依靠航迹规划算法很难满足飞行性能的约束、规划的航迹转折过渡较为突兀等问题,开展了倾转旋翼无人机航迹平滑研究。结合B样条曲线的平滑性、凸包性和几何不变性特点,选用了三次非均匀B样条曲线进行航迹平滑,并进一步验证了平滑后的航迹能满足倾转旋翼无人机飞行性能的约束要求。第五章,结合了A*算法和人工势场法,其中,A*算法用于全局规划,人工势场法用于局部避障。通过将各威胁加入到实际仿真环境中,开展了二维和三维静态仿真实验研究,从而测试了混合算法的可行性。进一步将突发威胁加入到仿真环境中,测试了混合算法的避障性能,仿真实验表明混合算法在倾转旋翼无人机航迹规划中的优势。