相比于传统的无人机避障算法,基于流体势场的流体扰动算法具有生成的避障路径高效的跟随障碍物的形状,降低陷入局部最小值的概率等特性,在无人机的应用领域得到了广泛关注。如何针对复杂三维飞行环境设计出合理且高效的无人机避障策略,获得一条高效、可行且平滑的避障曲线,已成为无人机控制避障领域的研究热点之一。一方面,现有的传统二维空间避障算法上升到三维空间会带来激增的算法复杂度问题是目前的研究的瓶颈之一。另一方面,流体扰动算法作为一种全新的基于流体势场的算法,在目前的应用仿真实验种具有较好的实验效果。因此,本文基于流体扰动算法在无人机自主避障策略进行相关研究。本文的主要研究工作和创新点如下。（1）提出了一种新的基于流体扰动和改进势场的避障算法。首先,根据已知的障碍物边缘信息,采用标准的凸面体建模方法,用标准化的模型粗略覆盖障碍物生成当前飞行环境的障碍物信息,降低算法复杂度。然后,利用三维人工势场（APF）方法产生的斥力和引力的势场进行全局搜索。最后,当接近表面时障碍物,利用流体扰动算法产生的流体扰动势场实现高精度避障。实验表明,结合人工势场和流体扰动避障算法在三维空间可以具有更好的响应速度和准确性。（2）提出了一种基于麻雀优化和改进流体扰动算法的无人机避障算法。首先,通过对于原始扰动矩阵的数学原理分析后,引入了切向矩阵并证明了改进流体扰动算法的三种特性,此改动后算法生成的路径数量增多,利用麻雀搜索算法的快速收敛和全局搜索能力,在一定阈值内的障碍物反应系数和切向分量系数中,通过不断的迭代找出最优的一组参数初值,利用上述初值生成最优的避障曲线。实验表明,基于麻雀优化和改进流体扰动算法在复杂的三维飞行环境中能够在获取最优的避障曲线的前提下,保证生成路径的平滑性和高效性,并且能够在一定程度上避免局部最小值问题。（3）提出了一种基于LGVF和流体扰动算法结合的避障策略用于解决复杂三维环境中的无人机跟踪和避障问题。通过引入H的分量改进传统的LGVF从而重新定义初始流场,替换传统流体扰动算法中基于集合距离的初始流场定义方式,从而将改进LGVF与流体扰动算法结合同时实现跟踪和避障的目的,主要通过仿真实验验证了静态障碍物和动态障碍物的目标跟踪以及不同的目标运动曲线时算法的效果,实验表明本章提出的算法具有较好的避障和跟踪效果。