未来战争中,无人机将发挥越来越重要的作用。面对日益复杂的作战环境,多UCAV协同作战必将成为未来UCAV作战的主要方式。多UCAV协同航路规划是多UCAV任务规划的重要组成部分,是保障多UCAV有效协同作战的关键技术,对提高多UCAV协同作战效能有重要意义。本文针对多UCAV协同作战航路规划问题进行研究,主要研究内容和创新点包括:(1)针对大规模地图环境中路径规划的算法效率问题,分析讨论了传统A*算法在大规模地图上的节点数量规模爆炸现象,引入路径平衡性概念,设计了基于平衡性消解思想的矩形扩展A*算法。通过采用线状搜索节点和矩形扩展单元,大大减少了算法搜索和访问的节点数量,提高了算法效率。给出了新算法的最优性证明,采用丹佛大学的Grid Based Path Planning Competition国际比赛的标准数据集进行了仿真测试,并与几种先进的A*改进算法进行了对比。实验结果表明,无需任何离线地图预处理,在保持完备性和最优性的基础上,新算法的搜索速度比A*算法提高一个数量级,且提升效果随问题规模扩大而增强,非常适合基于大规模数字栅格地图的UCAV作战航路规划。(2)针对多UCAV协同作战任务的多样性和复杂性,讨论了UCAV几种典型作战需求下的航路规划问题以及现有处理技术。针对UCAV航路规划过程中的路径质量优化问题,提出了单边矩形扩展A*算法,采用单边受迫扩展规则,进一步缩短路径长度,减少冗余的相邻路径点,避免不必要的转折,优化路径质量。针对带时间门限航路规划问题,提出了Anytime矩形扩展A*算法,将规划过程分为可行解快速搜索和最优解收敛两个阶段,提高时间门限约束下的航路规划能力。针对UCAV转弯限制和航路起始/目标角约束等问题,提出了方向约束矩形扩展A*算法,将矩形扩展框架和定向扩展技术相结合,提高方向约束问题的规划效率。实验结果表明,相比于现有技术,新算法能够更好的处理相应作战需求下的航路规划问题。(3)针对多UCAV协同作战飞行计划规划问题,给出了考虑战场环境不确定性的UCAV飞行计划的时间风险期望指标、安全时间冗余指标和飞行计划效能评估指标,构建了基于战场不确定性的多UCAV协同作战飞行计划规划的优化问题模型,并从协同作战效能最大化角度,给出了基于多阶段分解的多UCAV飞行计划规划流程。设计了基于矩形单元纵向信息传播机制的UCAV三维航路规划方法和UCAV作战约束处理方法。设计了基于混合非均匀调节的多UCAV时间/空间协同机制,将末端机动调节与非均匀速度调节相结合,扩大了调节范围和调节精度,提高了UCAV动态作战效能;设计了多UCAV飞行计划生成方法和基于安全冗余的动态调整方法。(4)开发了多UCAV协同作战航路规划仿真系统软件,设计了UCAV航路规划、多UCAV时空协同和编队UCAV飞行计划生成/动态调整的仿真实验,通过算例仿真和演示,并与现有方法进行对比分析和讨论,验证了论文提出的UCAV航路规划算法、多UCAV时间/空间协同机制和多UCAV飞行计划生成/动态调整方法的可行性和有效性。