航迹规划是指在综合考虑各类约束下,利用导航技术对无人机最优飞行路线进行规划。航迹规划研究的核心思路可归纳如下:首先对无人机航迹规划空间进行建模,然后研究合适的航迹规划算法,对建立的代价函数进行寻优,得到最优航迹,实现航迹规划。通过坐标变换分别对无人机二维航迹规划和三维航迹规划进行环境建模,根据飞行任务要求、飞行威胁代价和自身约束条件设计相应的目标代价函数,并给出了无人机航迹平滑方法,为后续章节无人机航迹规划做铺垫。在分析传统灰狼算法开发能力不足、易陷入局部最优等缺陷基础上,针对无人机二维航迹规划问题提出了 一种混合灰狼-共生搜索算法。该算法融合了灰狼算法和共生搜索算法各自在探索和开发能力上的优势,并且在融合时分别对两种算法进行改进,以提高算法收敛速度和开发能力,给出了该算法的收敛性分析。仿真结果证明了所提出算法具有较快的收敛速度和良好的搜索精度。针对传统元启发式优化算法被用于规划无人机三维航迹时成功率低且易陷入局部最优的问题,提出了一种强化学习-灰狼优化算法。在所提出的算法中,考虑到个体独立的特征,嵌入了强化学习方法以控制个体可以独立地根据累积性能自适应切换搜索操作。考虑到所提出的算法被设计应用于解决无人机三维航迹规划,为每个个体引入四个操作:探索操作、开发操作、几何调整操作和最优调整操作,保证所规划轨迹的适航性,防止算法早熟收敛。仿真结果证明了所提出算法能明显改善航迹规划的成功率,且具有优异的搜索能力。设计了基于分数阶PID的轨迹跟踪控制器,实现规划航迹的跟踪控制。由于传统的分数阶PID参数整定方法存在不确定性和随机性,因此提出了一种混合灰狼-共生搜索-遗传算法用于参数整定。仿真结果表明,所提出算法整定的分数阶PID控制器与传统PD控制器相比具有更好的控制效果。