实现机载自主控制是无人机系统的一个重要发展趋势,要求无人机具备自主目标感知、跟踪和规避等能力,以确保其飞行安全和任务完成。无人机跟踪、规避空中目标对机载导引控制系统有着共同的技术需求,都需要使用机载传感器对目标进行测量和状态估计,并对无人机进行运动导引控制。基于此,本文将无人机跟踪/规避空中目标两类任务过程融入相同的问题求解框架,针对其中目标状态估计与实时运动导引两个关键问题开展研究,主要研究工作和创新点如下:1.基于导引律方式建立了无人机目标跟踪/规避问题求解框架无人机自主跟踪和规避空中目标可分别认为是“感知与跟踪”和“感知与规避”过程。首先分析两类任务对机载导引控制系统共同的技术需求,之后对两大过程中无人机运动学、机载传感器观测、空中目标运动学和无人机安全区域进行了建模。接着,针对两类任务时敏性强,无人机和目标高机动的特点,选择了基于导引律方式的无人机精细时间运动导引,构建了无人机跟踪/规避问题求解框架,该框架下无人机无需对空中飞行器目标未来轨迹进行预测,只需对目标当前时刻状态进行估计,实时设计导引律,符合时敏性响应要求。2.基于粒子滤波算法设计了一种能够考虑无人机自身状态不确定性的目标状态估计算法(D-PF)精确的目标状态估计是无人机目标跟踪和碰撞规避的共同前提。针对集成空域中目标的飞行特性,基于“当前”统计模型思想对协调转弯模型中的转弯角速率进行改进,与传统协调转弯模型相比,改进模型能够更好的利用后验信息对飞行器的运动进行描述。接着在水平面上使用改进的协调转弯模型,垂直方向上使用Singer模型对目标运动学进行建模。针对机载传感器测量值为目标对无人机的相对向量,而无人机自身状态的不确定性对目标状态估计精度存在影响这一问题,从基于序贯重要性采样(Sequential Importance Sampling,SIS)方法的粒子滤波基本原理出发,将无人机状态后验概率密度函数融入粒子权重更新方程中,设计了能够考虑无人机自身状态不确定性的目标状态估计算法(Double Particle Filter,D-PF),该方法能够显著提高目标状态估计的精度。最后开展了对比数字仿真实验,验证了所提算法的有效性。3.基于Lyapunov稳定性理论设计了无人机碰撞规避和机动目标跟踪导引律针对二维平面无人机碰撞规避问题,分析了几何特性,确定了虚拟目标点和碰撞规避向量,根据平行导引法的基本原理,将无人机到达虚拟目标点问题转化为实现平行导引的控制问题,利用Lyapunov稳定性理论设计了无人机碰撞规避导引律,较比例导引,该导引律能更快地使系统趋于稳定,且能够继承比例导引内在的鲁棒性和简洁性。针对三维空间无人机碰撞规避问题,使用解析几何方法分析得到无人机最小机动的碰撞规避向量,分别对无人机水平方向机动和垂直方向机动设计了导引律。其次针对无人机机动目标跟踪问题,将无人机运动分解到沿视线方向和垂直视线方向,根据交会过程的要求设计了空中机动目标跟踪导引律,该导引律能使无人机到达目标点的同时,速度与目标保持一致。最后开展了数字仿真实验,验证了导引律的有效性。4.基于机器人操作系统,在Gazebo仿真平台上开展导引律仿真实验基于机器人操作系统(ROS),在Gazebo仿真平台上开展仿真实验,该平台能够较Matlab更加真实的对导引律进行仿真验证。仿真实验中,构建了两架四旋翼平台模拟空中目标和无人机,针对无人机碰撞规避导引律,设置了正面遭遇水平方向规避,斜90°遭遇水平方向和垂直方向规避三种场景,针对无人机目标跟踪导引律,设置了对协调转弯运动目标跟踪实验,最后,设置了无人机在障碍环境下对目标进行跟踪的仿真实验,将无人机跟踪/规避融入同一场景,验证了无人机跟踪/规避导引律的有效性。