针对鲜有人研究三维空间烟羽自主追踪及烟羽源自主定位问题,本论文提出了两种方法:模拟退火算法结合模糊C均值聚类的方法和布谷鸟搜索算法结合模糊C均值聚类的方法。通过模拟退火算法或布谷鸟搜索算法产生四轴飞行器自主追踪烟羽的位置信息,避免了四轴飞行器采集烟羽浓度的盲目性;将位置信息及该位置处对应的烟羽浓度信息构成四维特征向量,采用模糊C均值聚类算法对该组特征向量聚类分析,获取三维空间烟羽浓度分布区域,为模拟退火算法或布谷鸟搜索算法迭代位置信息提供数据信息。论文主要研究了四个方面的内容,即:研究模糊C均值聚类算法参数优化、研究所提出的模拟退火算法结合模糊C均值聚类算法追踪烟羽、研究烟羽分布辨识方法和研究所提出的布谷鸟搜索算法结合模糊C均值聚类算法追踪烟羽。为了模拟四轴飞行器自主追踪烟羽,构建了四轴飞行器的运动学模型,建立了四轴飞行器四个旋翼转速与总的升力、俯仰力矩、横滚力矩、偏航力矩之间的关系,在Simulink环境下搭建了四轴飞行器追踪烟羽的仿真平台。为了优化模糊C均值聚类算法参数,采用了两种聚类评价指标,通过多组实验优化了模糊C均值聚类算法参数。为了验证所提方法的合理性,设计了硬件采集模块,实验室模拟了烟羽源,建立了三维空间坐标系,采集了380个由x、y、z坐标数据及其对应的烟羽浓度数据,将采集的数据构成四维特征向量。选取380个四维特征向量数据中的50个,作为FCM聚类算法的初始数据点,做了5次实验来验证所提出的两种方法的合理性,结果表明:所提出的方法能在仅以50个四维特征向量数据作为初始数据的情况下,能够自主定位到烟羽源附近,为三维空间烟羽自主追踪及烟羽源定位提供了参考价值。