无人机集群具有抗毁能力强、覆盖范围大、传输效率高的特点,在军事和民用领域均拥有广阔的应用前景。其中,航迹规划是无人机集群完成各项任务的基础,因此设计适用于真实环境的航迹规划算法具有非常重要的现实意义。传统无人机集群航迹规划算法主要针对静态威胁,即全部威胁信息在任务开始时已提前获知。然而,在实际作战环境中,敌方威胁具有不确定性,所以现有的无人机集群航迹规划算法存在规划时间长、算法鲁邦性差等问题。本文围绕突发威胁场景下的航迹规划问题展开研究,分别对单架无人机和无人机集群的航迹规划算法进行深入分析,并提出完整的解决方案。本文的主要贡献如下:（1）针对传统航迹规划算法在突发威胁场景下存在的规划路径长、时间效率低、无人机状态突变等问题,提出了一种多因素Dubins航迹规划算法（Multiple Factors Dubins Algorithm,MFDA）。该算法首先根据无人机自身性能约束及实时探测到的突发威胁的位置,利用改进Dubins算法找到所有可行路径扩展点,然后结合启发式搜索机制建立综合考虑路径长度和突发威胁的路径扩展点评估函数,最后通过最优化模型,对路径进行分段求解,得出到目标位置的最优路径。仿真结果表明,在突发威胁场景下本文提出的MFDA算法在进行航迹规划时路径长度缩短至少8.2%、航迹规划时间减少50%以上,同时规划路径满足无人机机动性能限制,可有效保障无人机的安全性和航迹规划的实时性。（2）针对传统的无人机编队控制方法集群队形固定、网络规模受限的问题,提出了一种无人机集群编队与突发威胁规避的协同控制算法。在无人机集群规模较小的单集群情况下,该算法综合考虑分段航迹规划、无人机运动控制和网络拓扑优化等方面,实现了无人机集群突发威胁规避编队飞行;当无人机集群规模较大时,该算法采用分层控制的思想,对无人机集群进行分簇,每个簇组成集群协同运动的最小单元,簇内采用虚拟控制网络保证单集群的稳定性,簇间采用改进单集群协同控制算法,最终完成集群编队飞行任务。仿真结果表明,本文提出的无人机集群算法相比于经典算法在平均路径长度上减少了34%,在航迹规划时间上缩短了31%,应对突发威胁时可灵活变换队形,并且集群规模可扩展。