随着人工智能和计算机技术的不断发展,无人飞行器航迹规划问题成为任务规划系统的主要研究内容。在实际应用中由于飞行环境复杂,约束条件多,因此建立好的规划环境和采取高效的规划算法成为无人飞行器航迹规划的关键问题。本文首先介绍无人飞行器航迹规划的背景、涉及的技术和几种航迹规划算法。在飞行环境建模中介绍几种飞行区域高程数据的获取方法,数字高程图的插值技术。选用二维三次卷积插值法对所获高程数据进行插值处理,利用径向基神经网络对山峰及威胁建立模型,然后将威胁数据快速融合到已插值处理的格网高程数据中建立等效数字高程图。结合飞行器飞行的机动约束条件对已建立的等效数字高程图进行平滑处理,将约束条件融合到数字高程图中,建立最小威胁曲面。无人飞行器航迹点是这个最小的威胁曲面的有序子集。在规划环境建模的基础上,本文针对航迹规划算法进行了研究,算法分为离线航迹规划和在线航迹规划。首先建立了航迹规划的数学指标函数模型和飞行约束模型,针对航线可能穿过威胁区域的问题,在各个航迹段分别随机获取两点的高程值并加入到指标函数中。利用A*算法、遗传算法及遗传模拟退火算法实施离线航迹规划。应用A*算法时,利用飞行器的自身机动约束条件确定搜索区域,该区域中使指标函数最小的点作为飞行节点,迭代搜索得出完整的飞行航迹。这样既减小搜索空间,又提高了搜索速度。另外针对标准遗传算法求取参考航迹出现局部极值的问题,在遗传算法的交叉操作和变异操作中引入Metropolis接受准则。在线飞行阶段,飞行器按照规划好的参考航迹飞行,利用A*算法分别与最优控制方法和遗传算法结合实施在线重规划以躲避参考航迹上新出现的威胁,得出了较好的实时航迹。