随着传感器技术、自主控制技术及通信技术的发展,无人机集群系统已成为一大研究热点。相较于单无人机作战,无人机集群作战具有作战方式多样化、高效率、高可靠性、高智能性的特点。本文对无人机集群飞行过程中动态避撞技术展开深入研究,面向战场环境多样性和不可预测性,针对已知静态地形障碍、实时探测地形障碍以及集群内部避撞问题,提出了一种分层异构动态避撞方案,有效解决了无人机集群飞行避撞中的精确性与实时性矛盾,提高了无人机集群的安全性和稳定性。针对已知地形下的无人机集群避撞问题,以提高算法精度为目标,设计了一种多目标最优路径分配算法。采用A*算法获取单个无人机与单个目标点的最优路径,分析了复杂地形情况下不同评价函数的优劣,最终选取曼哈顿距离函数作为最优评价函数。在此基础上,引入KM算法对多条最优路径进行无人机集群内部分配,从而得到全局情况下的最优路径组合。针对实时探测地形障碍避撞问题,设计了一种基于虚拟力原理的实时路径微调算法。基于机载雷达探测数据,构建地形障碍模型,在此基础上生成三维地形障碍与无人机之间的虚拟排斥力,以此来对无人机航线进行快速微调。本算法具有计算量小,可靠性高的优点,适用于对未知障碍物的实时规避。对于群内无人机之间的避撞,本文提出了一种基于投影矩阵的快速最近点匹配(CPA)检测算法,预估无人机之间的碰撞概率,结合虚拟力避撞思路,以最小的航线变化完成了群内无人机之间的避撞。为减小避撞对集群飞行效率的影响,本文从完备性和快速性的角度出发,提出了一种启发式RRT路径快速规划算法,结合A*算法的启发函数和RRT算法的快速随机树生成,可在复杂地形下快速得到无人机与目标点路径较优解。结合KM算法可实现在飞行过程中对无人机集群飞行航线的最优调整,提高任务执行效率。建立了无人机集群动态避撞仿真系统,实现了在山地地形下的无人机集群动态避撞算法验证,结果表面该方案可实现多无人机多目标情况下的无人机集群动态避撞飞行。