随着社会的快速发展和科技的进步,以无人机为代表的智能无人设备在军事和民用领域中发挥了重要作用,但当前无人机的自主飞行能力尚且不足,由此导致的空难事故已引起众多学者对航迹规划研究的关注。航迹规划是无人机自主飞行的一项重要技术,是确保无人机顺利完成任务的关键。为保证在复杂空域环境中的固定翼无人机能顺利完成指定任务,本文研究了基于改进粒子群算法的全局航迹规划方法和基于改进人工势场法的局部航迹规划方法,并提出结合上述两种算法的优势,快速为无人机规划出合理可行的航迹。在课题开展过程中完成了以下研究:1)针对航迹规划中采用粒子群算法在后期易陷入局部最优和收敛速度慢,提出了自适应柯西变异粒子群算法ACMPSO（Adaptive Cauchy Mutation Particle Swarm Algorithm）。该算法基于对粒子群优化算法PSO（Particle Swarm Optimization）的改进,首先借助指数形式的惯性权重调节策略,动态地调整粒子的全局搜索能力和局部搜索能力;其次,引入柯西变异,设变异步长为指数形式,使之随迭代次数的增大而较快地减小,从而令该算法在前期产生较大扰动以帮助粒子跳出局部最优,而在后期则采用较小步长以加速收敛。2)基于对无人机飞行的三维环境和粒子群算法的适应度函数进行建模,建立了三维环境模型和适应度函数模型,并借助无人机三维航迹规划的实验仿真验证了ACMPSO算法的高稳定性、收敛速度的快速性和生成航迹质量的优良性。3)基于对人工势场法的剖析,针对该算法存在的目标不可达问题,研究了在斥力势场函数中引入无人机与目标点的相对距离,使无人机靠近目标点附近时,障碍物对无人机的斥力逐渐减小,最终使无人机到达目标点,解决了目标不可达的难题;提出了目标分段法以解决算法陷入局部极小值问题,该方法将虚拟目标点法从二维平面拓展至三维空间,在生成合理的子目标点后,确保无人机能逃离当前的局部极小值点并达到子目标点,待无人机到达子目标点后再前往原目标点。在复杂障碍物环境下的仿真实验结果验证了改进的人工势场法能克服传统人工势场法的缺陷,改进的局部航迹规划算法可使无人机在复杂三维环境下安全飞行。4)最后,提出了基于改进人工势场法和改进粒子群算法的融合算法。鉴于人工势场法局部规划效果好,而粒子群算法全局规划的效果好,该融合算法能使两者的优势互补,从而有利于无人机在复杂三维空间中高效快速地规划航迹。