随着无人机技术的快速发展与日趋成熟,无人机在军用和民用领域得到愈发广泛的应用。受限于单架无人机载荷和航时等能力的不足,通过多无人机协同提高任务效能和扩展任务功能,已成为当前无人机理论与应用研究的热点。计算机、传感器和通信等技术的更新换代为无人机协同提供了硬件基础,而协同规划控制方法作为无人机自主协同所亟待突破的技术瓶颈,对提升多无人机协同应用的效果至关重要。多无人机协同规划控制必须满足飞行环境、机动性能、任务需求等多种复杂约束,而且需要考虑时间、空间和任务的强耦合关系,是一个极具挑战性的研究课题。本文在分层递阶的协同框架下,对多无人机协同规划控制涉及的协同任务分配、协同航迹规划、协同轨迹规划和协同跟踪控制等关键技术开展理论研究,并搭建室内多无人机协同飞行试验平台,对本文所研究的协同规划控制方法进行了试验验证。面向无人机协同侦察的应用需求,开展异构目标多无人机协同侦察任务分配方法研究。根据侦察目标的物理特征,将其抽象为点、线、面三类异构目标,并结合无人机运动学约束和侦察任务性能指标,建立了一种针对异构目标的多无人机协同侦察任务分配模型。通过定制设计双染色体整数编码和遗传算子,提出了一种改进的反向学习遗传算法,以提高种群的多样性与算法的全局寻优能力。数值仿真结果表明,针对异构目标多无人机协同侦察任务分配问题,改进的反向遗传算法与标准反向遗传算法和随机搜索算法相比,具有更好的全局探索能力和鲁棒性。针对无人机协同航迹规划结果最优性与规划时效性的矛盾,开展预先与动态结合的协同航迹规划方法研究。预先航迹规划侧重于提高最优性,基于耦合协同规划方案,建立了协同航迹规划的约束优化模型,提出了一种采用过滤器机制的约束粒子群优化算法,提高了预先航迹规划结果的可行性与鲁棒性,并且该方法避免了罚函数方法中反复迭代确定罚系数的过程。动态航迹规划侧重于保证时效性,在逐次协同规划方案下对每架无人机采用分层规划方法。提出了指定航程约束的稀疏A*搜索算法和改进的高度规划算法,实现无人机动态协同航迹的快速规划。数值仿真结果表明,本文提出的协同航迹规划方法能够为无人机提供满足协同任务需求的航迹。考虑无人机任务紧迫性和时空协同约束,引入序列凸优化技术,开展时间最优的多无人机协同轨迹规划方法研究。协同轨迹规划本质上是一个具有非线性动态约束和非凸路径约束的最优控制问题。采用直接配点法,将非凸最优控制问题转化为非凸优化问题。为了降低优化求解的复杂性,引入逐次凸化的思想,通过动力学线性化和避障/避撞约束凸化,将非凸优化问题转化为一系列凸优化子问题,并利用原对偶内点法实现高效求解。在此基础上,提出了一种并行的序列凸优化方法,通过避撞约束解耦和增加时间一致约束,将耦合的凸优化子问题进一步分解为一组独立问题实现并行求解,从而提高协同轨迹规划方法的效率与扩展性。通过数值仿真对基于序列凸优化的协同轨迹规划方法的有效性、最优性和时效性进行了检验。仿真结果表明序列凸优化方法能够快速规划出满足约束的协同轨迹,相比传统的非线性优化方法具有显著的效率优势,而且序列凸优化方法的优势随着编队规模的增加而增大。针对多无人机执行任务的时空协同需求,开展轨迹跟踪控制方法研究。首先,建立了无人机六自由度运动的非线性模型。然后,通过纵-侧向运动解耦和小扰动线性化,建立无人机纵向和侧向运动的传递函数模型,并完成了自驾仪设计,实现对无人机速度、航向角和航迹倾角的控制。针对考虑自驾仪特性的无人机制导模型,采用滑模控制理论完成轨迹跟踪制导律设计。数值仿真结果表明,本文所设计的自驾仪和制导律能够对参考轨迹进行有效跟踪,进而实现多无人机协同飞行。此外,协同轨迹跟踪结果也验证了协同规划方法的有效性和协同规划控制框架的合理性。为了进一步验证本文所研究的多机协同规划控制方法的有效性,搭建了室内多无人机协同飞行试验验证平台。提出了室内多无人机协同飞行试验平台的总体方案,包括平台组成、数据关系以及主要模块的性能。结合无人机典型协同任务,制定多机协同飞行试验的任务想定。依托所搭建的试验验证平台,开展了室内多无人机协同飞行试验,包括编队集结、编队重构和编队互换。通过对多无人机协同飞行试验数据进行分析,验证了本文多无人机协同框架和协同规划控制方法的有效性。