题目：基于机动轨迹库的无人机路径规划方法研究

飞机路径规划一直是最近研究的热点之一。一方面航空事故的频发引起了人们对航空技术安全性、可靠性的日益关注。设计具有较强应急能力的飞行管理、规划和控制系统，将有助于在飞机故障的情况下辅助飞行员实现紧急迫降或实现自主飞行器的智能飞行，对提高飞行容错能力、降低飞行事故的发生率有着十分深远的意义。另一方面无人机（Unmanned Aerial Vehicle, UAV）性能朝着网络化方向发展。多无人机的网络化协同可以确保信息优势，建立高效、稳定的目标搜索以及跟踪能力。
本论文主要研究了基于轨迹库的应急路径规划和多UAV协同规划问题。其主要工作和创新性研究成果如下：
第一、建立了基于机动轨迹库的无故障下无人机的路径规划方法。
传统的规划方法大多基于飞机的运动学模型，因此在特定的情况下会超出飞机飞行包线的限制。针对这一缺点，本文提出基于机动轨迹库方法来解决静态和动态环境中飞机的路径规划问题。通过飞机配平和跟踪控制器建立运动轨迹库，并采用占用地图的形式来表示环境信息，通过遗传算法（Genetic Algorithm, GA）选择一个运动轨迹序列使得代价函数最小，从而产生复杂环境下的可行路径。
第二、建立了基于机动轨迹库的操纵面故障下无人机的路径规划方法。
应急路径规划对飞机故障时的安全降落是非常重要的。本文研究了飞机操纵面卡死故障下飞机的应急路径规划问题。故障下飞行包线边界的确定通过扩展延拓算法给出，并通过分歧算法分析包线内可配平点的稳定性，从而建立故障下飞机可飞的平衡轨迹库。应急路径规划可以归结为求解带有约束条件的多目标函数的最优问题，最后采用遗传算法选择平衡轨迹库中的一些轨迹段序列得到一条完整的应急降落航迹。
第三、建立了基于机动轨迹库的协同路径规划方法。
本文考虑多无人机协同执行任务的时间限制，并建立了考虑燃油消耗量和路径长度等指标的多路径目标函数，同时为了提高计算速率减小了轨迹库的大小，最后建立了带有约束的多目标路径规划方程，并通过改进的遗传算法进行求解，得到多无人机的协同规划路径。
第四、建立了多无人机防撞组合策略。
研究了无人机防撞冲突检测与威胁级别评估方法，建立了航向角控制、速度控制，高度控制以及航向角与速度组合控制等多种不同的防撞控制策略；建立了自动防撞多目标代价函数模型以及多目标最优决策方法。仿真结果表明了该方法的有效性和较好的实用性。