详细信息：

针对无人机与通航飞机的不同，采用经典球状模型作为无人机冲突探测模型的碰撞盒，并将无人机周围划分为三个区域，根据无人机的特点分别定义三个范围半径，由于无人机飞行的不确定性，舍弃了常用的位置分析的方法，采用包含空间三维坐标与无人机实时速度在内的四维坐标分析方法，并将数据实时更新；针对传统A*算法节点拓展效率低的问题，引入定向搜索策略，通过将无人机当前飞行方向与无人机实际的最大俯仰角、最大偏航角约束相结合得到下一节点的拓展区域。传统A*算法以固定步长连接当前节点P(n)与子节点 ，而定步长会限制算法的收敛速度。为了克服这一缺点，提出一种自适应步长策略，通过判断当前节点所处不同环境自适应地调节算法增长步长。当无人机远离障碍物，认为无人机处于安全环境。此时，允许算法使用较大步长进行增长，以加快算法收敛速度；量子遗传方法得出的适应度值更高，则求出的解质量更好，且在较小代得到的适应度值比遗传算法最终代的适应度值还要高。并且使用量子遗传方法的解脱航迹相比遗传算法的航迹更加平滑，更加贴近于原计划航迹，转弯次数更少，节省飞行能耗；在解脱结束后两架飞机距目的地的总距离相比使用遗传算法的距离更近，从而无人机在解脱后能更快到达目的地。而且量子遗传方法求得的总延误距离相比遗传算法更小，实现了更小的飞行延误。项目针对无人机综合避险装备研究的要求，构建了无人机碰撞模型，建立了无人机动态碰撞盒，并在碰撞盒周围进行了空域的三层划分，然后在不同的空域范围内由远及近分别为无人机航迹规划算法研究，无人机综合避险算法研究，以及无人机仿真实验平台的搭建。对无人机技术更大规模的推广做技术储备，提高无人机安全运行的能力，具有良好的社会效益。经济效益：该技术研究了无人机综合避险算法，对提高无人机的安全运行具有重大意义，该技术商业潜力巨大，具有良好的经济效益。