数据采集是无线传感器网络领域的重要研究方向,传统基于固定汇聚节点和移动汇聚节点的采集方式均存在明显不足。随着无人机技术的不断成熟,基于无人机的数据采集可以有效弥补传统方式的不足,得到学术界广泛关注。由于无人机携能有限,大部分相关研究主要围绕提高网络吞吐率或延长网络生命周期对无人机能耗进行优化,取得一定进展,但仍面临如下挑战:一方面无人机能耗建模不精准,以距离相关能耗模型为主流,忽略了飞行速度与飞行时间对能耗的影响。而在速度相关能耗模型中,忽略了飞行功率与飞行速度间凸函数关系;另一方面,现有工作侧重于降低传感器能耗,缺少对无人机精准的飞行控制,无法有效节省无人机飞行能耗。因此,需要对无人机飞行能耗进行合理建模,并实现无人机精准飞行控制,这对大规模无线传感器网络数据采集具有重要的理论意义和应用价值。为此,本论文先通过大量真机飞行实验测量了无人机能耗并建模,在此基础上,针对不同的传感器应用部署场景设计了不同的飞行控制策略,使无人机能够以最少的飞行能耗采集完所有无线传感器网络中的数据。具体研究成果包括:（1）针对传感器部署简单的应用场景,本文研究了离线速度调度及在线速度调度两种模式。在离线调度模式下,提出了“最慢段优先”算法并证明了该算法的最优性;在在线调度模式下,基于离线算法提出了在线速度调度算法。实验结果表明,基于该在线算法的无人机飞行能耗不超过最低飞行能耗的110%;（2）针对传感器部署复杂的应用场景,本文先设计了启发式的方法确定传感器的采集顺序,而后提出了一种基于栅格化的动态规划算法确定该采集顺序下无人机最优的飞行轨迹及飞行速度,同时设计了一种剪接方法以降低该动态规划算法的复杂度,并证明了该剪枝方法的正确性。实验结果表明,该动态规划算法较悬停算法节省了约50%的飞行能耗;（3）设计与实现了面向无线传感器网络数据采集的无人机能耗优化系统,并进行了真机环境测试,有效验证了本文的理论研究工作。总之,本论文对面向无线传感器网络数据采集的无人机能耗优化机制进行了深入探索,通过一系列仿真实验和无人机真机测试的结果表明,本文所提的相关机制和算法能够对无人机飞行速度进行精准控制,从而优化无人机的飞行能耗,可为实际应用中采集大规模无线传感器网络数据提供行之有效的解决方案,可进一步应用于工业互联网、智慧城市建设等诸多领域。