无人机航路规划是近年来取得快速发展的高新技术,在民用和军用领域都得到了广泛的应用,并取得了巨大的成功。然而,由于无人机执行任务时的环境条件变得越来越复杂化,并且不确定因素的种类也越来越多样化,所以针对无人机航路规划的精度和实时性要求也越来越严格。因此建立良好的规划环境模型和采取高效的规划算法成为无人飞行器航迹规划的关键问题。本文对航路规划的研究背景、研究现状和在各领域中的应用做了简要叙述,针对无人机航迹规划对数字地图的要求,使用函数法对各种地形和威胁进行了模拟实现,并等效融合成数字地形;由于无人机本身爬升性能的限制,以及对转弯曲率的要求,采用预处理方法对等效数字地形做了平滑处理;这样不仅大大缩短了航迹规划扫描信息的时间,解决了实时性问题,而且用地形规避来模拟无人机对威胁的规避,简化了航迹寻优的方法;采用在智能优化算法中具有代表性的粒子群算法,通过对其离散域内的速度进化方程加入惯性因子,并在粒子群优化(Particle Swarm Optimization,PSO)算法参数确定过程中引入模拟退火操作,形成一种改进的粒子群优化算法,从而弥补常规PSO算法参数取值过程全凭经验和极易陷入局部最优(即早熟现象)的不足,改善其全局寻优能力,并用来解决UAV(Unmanned Aerial Vehicles,无人飞行器)的复杂航路规划问题。另外,提出了一种航迹规划分层的概念,即起飞前规划出全局参考航迹,当出现突发威胁时,在参考航迹的基础上进行局部航迹规划。然后再从威胁地形、性能要求以及航程限制三个方面,通过权重取值的不同,最终建立合适的航迹评价函数。在上述基础上,通过Matlab2013a进行了仿真,包括采用等效融合方法建立数字地图,以及对全局航迹规划进行静态仿真和对局部航迹规划进行突发威胁下的动态仿真;另外,为了更好的模拟决策人员面对突发威胁时的情况,本文还通过评价函数中各个因素权重取值的不同来实现不同策略下的UAV航迹。全局航迹规划和局部航迹规划的仿真实验结果表明,该算法相比LDPSO和SPSO而言,能够有效地解决早熟现象,提高算法的收敛速度,从而改善无人机飞行航路的质量,还可以在面对突发威胁时快速地做出反映。不仅如此,通过采用不同的航迹评价函数参数,能够让决策者在策略选择方面有着更加广泛的空间。