● 摘要
无人机航迹规划作为无人机系统研究中的一项关键技术，近年来已经吸引各军事强国投入了巨大的人力物力进行研究。动态对抗性环境中低空突防时的实时隐身协同三维航迹规划具有尤为重要的实际意义。我国自主研制的无人机已经在军事和民用方面取得了很多可喜的成果，但是面临着越来越广泛的需求和应用，多无人机协同执行任务，多机群自主控制、智能化操控等方面还需要持续的进步发展，无人机的路径规划、任务规划更是作为无人机智能化应用的核心领域亟需创新发展。
本文研究围绕着低空区域多无人机系统协同隐身航迹规划这一中心目标，从航迹规划问题描述和各种环境要素建模，基于小生境遗传算法（niche genetic algorithm, NGA）的路径优化算法研究改进，多无人机系统协同时间策略和协作框架，构建虚拟综合环境进行规划算法仿真和验证等多个方面展开了深入研究，主要包含以下四个方面：
(1) 进行路径规划问题描述和环境要素建模。构建典型威胁以及雷达探测网模型；依据无人机相对于探测雷达的姿态角和地形遮蔽构建航迹隐身评估；将飞行器物理性能限制、任务战术等基本要求转换成约束条件，在航迹规划阶段进行处理。给出一种基于闭B-spline曲线和细分插值算法的三维航迹通道平滑方法，解决异质型无人机群差异性机动特性约束问题。完成路径规划问题统一的目标泛函描述。
(2) 引入混沌系统特征量来提高小生境遗传算法的全局优化性和收敛速度。采用时间序列分析的Lyapunov指数和Kolmogorov熵，以及基于基因对比度的惩罚策略进行启发遗传算法的选择和变异，并且增加了一些新的操作算子，包括：自适应δ-域扰动算子、回滚算子、爬坡算法、快速下降函数等增强算法全局优化性，加快遗传算法的收敛速度。给出一种基于自适应参数的K-means排挤策略，生成覆盖式多路径。列出了改进算法流程，并完成对遗传算法并行化处理。此外，采用不同粒度编码方法实现了兼顾简化问题规模和精炼优化路径。最后，对算法的复杂度进行了分析，论证了改进算法的收敛性，给出算法的性能评估指标。
(3) 提出一种多无人机系统协同时间策略和基于Multi-agent（多智能体）系统技术的多机协作框架。针对未知环境中引用同步定位及建图（simultaneous localization and mapping, SLAM）技术来实现地形和敌情信息的获取与处理。对应于不同的协同方式，提出将无人机协同系统划分空间域来解决。给出了无人机系统协同路径规划的约束限制，提出了一种基于时间参数的协同策略解决编队协作时序问题。最后，提出基于Multi-agent系统技术，构建多无人机协同复杂环境中的协同路径规划框架，满足多机协同的特有规划需求以最大限度地发挥编队的作战效能。
(4) 构建逼真的虚拟复杂对抗性环境，进行无人机航迹规划的仿真验证，为新的算法创新、战法研究、虚拟训练提供了一个逼真的实验平台。
最后，在三维虚拟对抗性环境下，进行无人机的多路径、机群协同路径规划仿真验证。大量的实验数据表明，并行化改进型小生境遗传算法较之前的小生境遗传算法和粒子群优化算法（particle swarm optimization, PSO），能生成更加优化的覆盖通道路径，满足了无人机各种机动特性约束，在较低高度飞行实现隐身效果，规避地形障碍和动态威胁，实现实时路径规划和更新。协同路径在协同时间策略下保证多无人机之间的战术要求，安全间距和通信连通，保障了无人机编队任务完成。