随着我国经济水平和综合国力的提升,电力线路架设越来越广,电力设备使用越来越多,电力行业的巡检维护工作面临着越来越多的困难。传统的巡检方式由于存在安全风险大,效率低下等问题而无法满足当前的巡检要求。无人机巡检以其灵活性、安全性、高效率的优点受到了学者们的广泛关注。研究无人机路径规划是实现无人机自主巡检的关键技术,对于进一步降低巡检的成本与工作强度具有重大的意义。本文以无人机电力巡检为背景,研究无人机路径规划的方法,主要包括无人机对电力线路的巡检和对特定电力设备的巡检。论文首先针对无人机电力巡检问题进行了介绍,然后采用改进的双向快速搜索随机树（Improved Bidirectional Rapidly-exploring Random Tree,IBi-RRT）算法来对无人机电力线路巡检问题进行求解。引入势场引力去改善双向RRT算法随机性大和计算量大的问题,并用剪枝优化策略去除双向RRT算法的冗余采样点,节省路径规划的时间。在电力线路巡检问题上的仿真结果表明,相对于RRT算法和双向RRT算法而言,改进双向RRT算法具有更好的寻优精度和规划速度。其次,介绍了无人机在复杂环境内对特定的设备巡检的情况。针对该情况构建了三维地形图,引入了相关的约束条件,构建了该类情况下的无人机电力巡检的成本函数。由于传统的路径规划算法存在时间复杂度高,计算量大以及易陷入局部极值的问题,这使得传统算法在解决无人机电力巡检三维路径规划问题上往往难以取得较好的结果。金鹰优化算法作为元启发式优化算法,其在解决该类问题上具有明显的优势。因此,本文采用金鹰优化算法来解决该类问题,并引入个体示例学习策略和镜面反射学习策略来改进金鹰优化算法,所提的双重学习策略的金鹰优化算法相比原算法具有更高的寻优精度和收敛速度。将改进算法用于求解该类情况下的无人机电力巡检三维路径规划问题,与其它经典算法对比,所提算法表现出了强大的竞争力和稳定性。最后,由于金鹰优化算法与灰狼优化算法均在无人机巡检问题上表现出优越的性能,并且两种算法混合具有明显的优势互补性。为了改善单模算法探索与开发的不平衡,提高算法的寻优能力,提出了一种新的基于金鹰优化算法和灰狼优化算法的混合算法。将该混合算法用于求解无人机电力巡检三维路径规划问题,与其它经典算法相比,所提混合算法具有良好的优化性能。