随着自动化、计算机等各种技术的不断发展和应用,无人机的技术更趋智能化,结构日趋复杂,功能也更为强大。随着无人机可承担任务越来越广泛,其面临的应用环境也越来越具有非合作性、多不确定性因素、高威胁性、动态化等特点。这对无人机的指挥控制提出了更高的要求,传统的基于地面指控站遥控或基于程序化的自动控制策略已经很难适应未来无人机的任务需求。无人机根据任务要求和实时的战场环境,自主地进行任务规划和决策成为未来无人机指挥控制发展的主要目标之一。经济导航是指飞行器在满足自身物理限制及特定的环境条件下,结合飞行器在实际飞行中的燃油消耗,以消耗航空燃油量最少为前提,对飞行器飞行轨迹进行合理优化,以提高飞行过程中的燃油利用率。本文研究了并构建了飞行器飞行过程中的爬升、巡航及下降阶段的燃油消耗模型,采用一种多目标优化算法优化飞行器的轨迹,使其在实际飞行过程中的能量利用率提高,进而延长飞行作战时间。最后在兼顾能量消耗最小的条件下,合理规划航路,完成经济航路规划。论文主要工作内容如下:(1)采用改进的快速扩展随机树(Rapidly-exploring Random Tree)算法进行飞行器路径规划。首先建立了规划空间,然后针对经典快速扩展随机树算法在搜索路径时存在的随机性扩展问题,通过引入选择概率改善了随机树节点生长的无目的性,采用双向扩展随机树提高搜索效率,利用节点修剪策略对冗余路径点进行移除,最后基于B样条曲线对路径进行平滑处理。仿真表明了基于选择概率的双向RRT算法的有效性,并且在时间和路径长度上比传统RRT算法更优。(2)采用改进的非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-II)算法进行经济导航解算。首先构建飞行器燃油消耗数学模型,在此基础上提出根据当前飞行器重量自适应调整交叉和变异算子的方法加快了算法收敛速度,提升了算法的时间性能,并对改进后的算法进行仿真测试。(3)通过对典型启发式搜索算法A*的原理特性分析,针对RRT算法在进行路径规划时由于随机树扩散的目的性不强导致最终路径质量不高的缺点,将估价函数用于邻近节点的选取策略中,并仿真分析了启发式RRT算法性能的影响因素,最后对比经典RRT算法验证了启发式RRT算法在采用距离估价函数后路径程度得到了一定程度的优化。理论上说明在路径规划的同时引入轨迹优化进行决策是可行的。