无人战斗机(Unmanned Combat Aerial Vehicle,UCAV)多机协同攻击多目标将成为未来战争的一种重要模式,多UCAV协同攻击多目标中的目标分配和航迹生成是多UCAV协同作战的关键技术。在动态环境条件下,本文将多UCAV任务分配和航迹规划作为研究对象,对多UCAV协同任务控制中基于协商的分布式任务分配、任务协调技术和航迹实时规划开展研究。首先,研究多UCAV任务规划系统的内容和结构,定义多UCAV协同任务控制的相关概念,分析影响多UCAV协同作战效能的因素,进而建立多UCAV协同任务控制问题的数学模型。针对传统合同网(Contract Net Protocols,CNP)协商效率低的不足,扩展了合同网的交易机制,支持在一次拍卖中并发进行多次交易。采用CNP实现在动态任务分配的基础上,按系统代价最小的原则,对多任务执行过程进行了协商和协作,使得各UCAV的任务协调随作战环境的变化而相应改变。其次,研究一种基于航路点的快速扫描随机树(Waypoint Rapidly-exploring Random Tree,WRRT)的启发式航迹规划方法,针对基于随机采样航路点缺乏确定性的问题,根据CNP算法使系统代价最小的思想,以及RRT算法特性,提出一种改进的具有启发式的WRRT算法。该算法以RRT算法为基础,引入导向估计函数,根据多次随机采样点到任务点的估计代价,选择最优节点加入扩展树,削弱了选取航路点的随机性,使扩展树的生长方式按采样点估价函数值最小,从而有利于朝目标点的方向生长,直到寻找出可规避障碍的最优航迹。最后,给出在动态战场环境条件下,多UCAV攻击多目标任务与航迹实时协同规划控制策略。主要是运用CNP和WRRT相结合的方式,在当前航路点预估的航迹中,以间隔某段时间选取下一航路点,面对已改变的作战环境,在该航路点相应的实现任务与航迹实时协同重规划,以此实现整个系统的在线规划。仿真结果表明将CNP和WRRT相结合的方式,可以在较短的时间里快速实现多UCAV多目标任务与航迹的实时在线规划,实现了其对多目标的任务完成,并具有较好的有效性和稳定性,提高了多UCAV协同作战的效能。