无人机任务规划是为执行任务的无人机制定任务安排、目标次序分配、飞行路径制定等一系列任务的计划安排。随着能源采集需求逐年增多,新开发油井的数量和范围日益递增,人工巡检能力已无法满足油井巡检的需求。因此,研究油井巡检任务规划中无人机巡检控制决策问题,从而有效地求解巡检目标分配和无人机路径规划问题模型具有重要意义。无人机任务规划算法是无人机任务系统的核心,用于解决无人机之间合理目标分配和可飞路径规划任务模型的求解问题。其中粒子群算法作为代表算法,因具有操作简单、寻优性能优秀的特点,广泛应用于无人机任务规划研究应用中。但是由于任务实际要求不同和任务目的侧重点的不同,并且标准粒子群算法也存在不可避免的缺点。因此对算法进行合理的改进,不仅能契合无人机任务实际要求和目的,还能提高无人机任务规划的效率和成功率。本文以无人机任务规划分析设计及应用为实例,围绕标准粒子群算法的改进及在油井巡检的应用中进行了研究,主要内容如下:首先,研究无人机目标分配任务中约束条件的组成和构建模型的原理,结合任务约束和无人机自身约束,确定前期全局无人机目标分配任务模型。选择粒子群算法作为任务规划基本算法,针对任务不同时期的需求进行改进。任务前期的全局性任务分配中,在粒子群算法的基础上引入量子行为,扩大搜索范围,提高算法的全局搜索性能。其次借鉴粒子群算法惯性权重的处理方法,在量子粒子群算法中收缩-扩张系数中引入线性微分递减策略,跳出局部最优值,提升收敛速度。然后,引入高斯学习策略提升结果精度。最后改进算法通过多峰函数测试,与其它算法进行性能比较分析,并进行实例仿真。然后,研究无人机路径规划任务约束条件和构建模型问题,结合相关约束,确定后期局部无人机路径规划任务模型。基于优势互补思想,选择任务前期的改进算法与天牛须搜索算法组成混合算法,并对其进行改进。算法前期采用改进粒子群算法全局搜索出群体最优值,然后在算法后期采用天牛须搜索算法在最优值附近进行更进一步的精确搜索。最后改进算法通过多峰函数测试,与其它算法进行性能比较分析,并进行实例仿真。最后,研究改进算法在油田巡井中的应用问题。根据层次递进规划思想,研究分析并阐述无人机油井巡检任务规划总体步骤。针对油井巡检前期全局性分配任务模型,采用基于高斯线性微分递减量子粒子群算法规划获取初始分配集合,使分配结果满足短时间内收益最大并满足全分配要求;针对后期局部性三维路径规划模型,采用基于高斯天牛须量子粒子群算法确定完成指定分配区域的最短路径,使生成的路径满足分配区域遍历和飞行路径最短的要求。针对无人机在实际飞行中需要按照自身控制率跟随的特点,对初始参考路径进行平滑处理,使处理后的路径满足飞行可行性的要求。通过对实验结果的分析,验证采用改进任务规划算法在无人机油井巡检中的效果。