随着信息技术的日益革新,航空技术得到了迅猛的发展,复杂多变的飞行环境对无人机的机动性提出了巨大挑战。航迹规划是实现无人机自主飞行的关键技术,其所采用的规划算法是必要的技术保障,所以对航迹规划算法的研究在理论和实际应用方面都有很重要的意义。本文围绕航迹规划算法展开研究,给出了相应的航迹规划策略,主要研究内容如下:(1)针对航迹规划中所需要满足的约束条件,建立了无人机机动性约束模型。根据任务需求,对飞行环境中的静态威胁源(如静态雷达等)进行了深入分析并建立相应模型。同时也构建了综合代价函数模型,这些模型的建立为研究航迹规划奠定了基础。(2)对静态环境下的航迹规划问题,采用了改进后的遗传算法。设计了一种基于航向变化量的实数编码方式,对航向变化量进行编码构造个体,再根据个体编码向量构造临时路径。通过设计的编码方式和相应的遗传操作来进行静态规划,并对算法改进前后的仿真结果进行了对比分析。(3)对动态环境下的航迹规划问题,提出了基于交互式多模型算法和模型预测控制算法的融合算法。根据运动目标的当前位置信息,采用交互式多模型算法预测其轨迹,实现对移动障碍物的提前避规。同时,利用转换测量卡尔曼滤波将非线性问题转化为线性问题来解决。综合考虑静态、动态等多种威胁约束同时存在的飞行环境,采用融合算法进行仿真,对算法的实时性和有效性进行了验证。(4)针对三维空间航迹规划问题,提出了一种基于改进蚁群算法的航迹规划方法。利用数字地图技术建立了三维地形模拟图,在考虑威胁代价、航程代价和高度代价约束条件下,构建了综合代价目标函数。在综合考虑可选节点与目标点之间距离的基础上,重新设定了状态转移概率。此外,结合分类思想在信息素浓度更新时,在一定范围内对信息素残留因子进行设定,提高了搜索时路径的选择性,避免产生“早熟”现象,同时改善了搜索时间长、容易陷入局部最优解等问题。结合算法的理论分析进行仿真,结果表明三维空间中利用改进后的蚁群算法进行航迹规划可以得到期望航线。