跨介质飞行器（Unmanned aerial-aquatic vehicle，UAAV）是一种结合无人飞行器和水下无人航行器的运动特性所设计的新型无人飞行器，既可以在空中飞行也能在水下航行。考虑到介质跨越运动在UAAV的性能中起着重要的作用，并且正在探索中，本文研究了UAAV的动力学建模和轨迹优化问题。
　　首先针对UAAV的轨迹优化问题，对两种典型飞行器，即折叠翼和四轴八旋翼UAAV的入水轨迹优化问题进行研究，分别提出了基于生物学灵感所设计的跳水式入水策略和潜水式入水策略，并分析了两种策略的适用情况。为了对两种入水策略下的入水轨迹进行优化，基于粒子群算法使用全局最优解更新下一代粒子的思想，对教与学算法进行改进，提出了拥有更快收敛速度和更强局部搜索能力的改进的教与学算法来优化入水轨迹。
　　然后建立了两种典型飞行器的动力学模型并设计轨迹控制策略。在建立折叠翼UAAV动力学模型时，将复杂的流体作用力分为理想流体和粘性流体作用力来计算。折叠翼UAAV采用跳水式入水策略，入水过程被视为自由运动，以避免在空气和水之间切换不同的控制策略造成的不稳定。因此，折叠翼UAAV的入水轨迹取决于入水前的初始状态。在建立四轴八旋翼UAAV动力学模型时，充分考虑四轴八旋翼UAAV自身的运动特性和入水时流体作用力、附加质量和浮力的渐变特性。四轴八旋翼UAAV采用潜水式入水策略，设计混合控制系统来控制四轴八旋翼UAAV的运动轨迹。在空中及水下设计经典PID控制算法控制四轴八旋翼UAAV的运动，在水面附近区域采用粒子群算法优化旋翼的转速实现入水过程的精确控制。
　　最后为了在一定的任务指标下获得满意的入水轨迹，分别采用粒子群、教与学和改进的教与学算法对折叠翼UAAV的入水前初始状态和四轴八旋翼UAAV的旋翼转速进行优化，并对不同的算法进行比较和分析。仿真结果表明，所建立的UAAV动力学模型是合理的，可以反映入水运动的特征；所提出的改进的教与学算法在优化入水轨迹时，收敛速度和局部搜索能力方面均优于粒子群算法和教与学算法。最后根据任务需求选择不同的优化算法来优化入水轨迹。