多无人机系统协同作战任务规划是在约束条件复杂的多模型环境下,同时对异构的多架或多编队无人机进行系统控制和优化的问题。它通常由多机协同的多目标分配、多航迹规划和在线重规划三部分组成。多机协同的难点在于不仅要考虑每架无人机自身的飞行性能、约束限制条件和毁伤概率等问题;还要解决多无人机之间的协同合作和避免冲突等问题。此外,异构的目标分配模型、真实的三维环境、多个禁飞区或雷达威胁、被打击目标的执行顺序、航迹的表示和任务执行时环境的变化等都会给任务协同规划增加难度。因此,如何实施有效的目标分配策略、规划切实可行的平滑航迹、并适应环境的动态变化是解决这一问题的关键。本文针对三维环境下多机协同任务规划的难点,以及如何在复杂的三维地形环境和多约束条件下,为无人机系统中执行任务的每架无人机分配合理的任务目标、规划安全可飞且代价较小的协同航迹等问题,在最优化理论基础上建立目标分配和航迹规划的统一模型,应用一致的分配代价矩阵处理目标分配;应用空间模糊集和协同相关性表示航迹关键路径点。重点研究了多机协同的目标分配、航迹规划和在线重规划问题。建立高效的任务空间表示,并改进多种优化方法进行问题求解,同时展开仿真实验进行验证。首先,研究三维环境下满足自身和协同约束的多机系统协同目标分配问题。根据无人机与目标的量化对应关系,结合平衡指派和不平衡指派建立统一的目标分配框架;提出利用空间垂直切面快速估算航程代价的方法,并用航程代价矩阵优化目标分配算法;研究多机协同的约束条件、计算约束违背量,使分配结果更加准确。模型统一了单对单任务、多对单任务和群巡游任务的处理方式,尤其提出了群巡游任务的代价矩阵构建方法,保证与其他模型具有统一的代价矩阵形式,由此确保能够用一致的算法进行问题求解。该方法克服了传统目标分配问题中模型不统一,算法针对性差的问题。其次,针对将多个预打击的目标分配给不同无人机时存在的模型不一致、任务规模大和规划时间长等难点问题,设计了基于航程代价、可匹配多种模型的统一基因编码策略,并在此基础上结合代价矩阵映射差分规则,以适应离散化求解。在求解过程中,采用三维航程代价表示无人机和目标的分配关系,并通过映射和反映射规则,将离散问题转换为连续问题进行求解。同时结合动态交叉率混合差分进化策略,调整算法搜索时探测性与开发性的平衡,避免陷入局部最优。该算法能够用统一的基因编码和差分进化策略求解多模型的多机协同目标分配问题,有效提高了目标分配的准确性,且适合解决较大尺度目标分配任务。再次,针对多无人机在三维环境下航迹规划搜索空间大、多机协同困难等问题,提出三维多机多目标协同航迹规划和平滑算法,将三维空间模糊表示和人工文化算法引入求解范畴。首先建立了空间网格点与航迹规划的模糊隶属关系,用模糊集合表示空间网格点,提高关键路径点的被关注度;然后用综合知识构建文化算法的信念集,以剪枝航迹规划的搜索范围;在种群集则利用多目标差分进化算法规划满足多机协同约束的帕累托优解航迹组合;最后,通过信息共享,不断促进知识的积累、增加种群的多样性、并修正规划搜索的方向。该方法提高了关键路径点选取的效率,能够探索空间中更多的未知区域,有助于快速规划出多条可行的协同航迹。此外,为了获得安全可飞的航迹,应用曲线拟合的方法对多条协同航迹进行平滑逼近。首先将航迹的关键路径点作为样条曲线的控制点,在三维空间应用三次B样条曲线进行航迹平滑。然后,为了降低平滑导致的路径点偏离失效,进一步反求出可通过当前关键路径点的样条曲线控制点,使平滑后的航迹能够通过必须经过的关键路径点。最后,针对多无人机协同执行多个任务时,区域实时变化可能导致的任务失败、协同违背等问题,提出一种结合协同模糊C均值聚类和多Q学习的航迹重规划方法。该方法首先基于空间点的模糊隶属度和协同任务相关性构建空间模糊协同矩阵,并按时更新该矩阵以反映规划空间的动态变化。然后,以已知航迹的关键路径点为聚类初始中心,结合模糊协同矩阵在规划空间的各步长面上进行协同模糊C均值聚类,对新的可行路径点按任务进行划分。同时,将聚类的各任务分类作为Q学习的状态空间,将动态模糊协同矩阵作为Q学习的回报函数,采用多Q学习算法在各任务的状态空间同步进行多阶段协同航迹重规划。该方法能够适应环境的动态改变,有效约减任务规划空间,并提高了学习算法的搜索效率,可以重规划出有效的多机协同航迹。