针对无人机的自主空战机动决策问题，设计了基于路径-博弈混合策略的决策算法。首先根据无人机飞行控制过程中，水平机动和垂直机动可以解耦的原理，提出了相解耦的自主决策机制，使用路径规划实现水平机动决策，使用博弈理论实现垂直机动决策。为提升决策环境的灵活性，设计了能够自适应调整规划范围和分辨率的动态栅格环境。基于QL算法设计路径规划模型，并使用双Q表学习机制改进算法，有效提升了路径规划质量。基于纳什均衡理论构建垂直机动算法模型，根据不同的态势环境设计了代价计算函数，实现了无人机的垂直机动决策。最后，针对一对一空战对抗情景开展仿真验证，验证了算法的有效性，相对于传统基于三维规划空间下的机动决策，可有效缩短规划耗时，提升规划品质。

针对低空空域环境复杂，无人机运行风险无法进行量化的现状，提出考虑运行过程中不确定性的低空无人机运行风险评估方法。根据无人机下降过程中的受力模型，推导出无人机突发故障的坠落影响区域；考虑无人机运行过程中的不确定性，利用Monte-Carlo方法确定无人机坠落点分布，计算出坠落的影响面积，从而得出系统风险值；通过案例分析，验证了所提风险评估方法的有效性与合理性，能够对低空无人机空中交通管理提供实时安全评估，保证无人机在低空空域内安全运行。

无人机自主决策能力的不足一直是制约无人机进入空战对抗领域的主要因素。在已有的大量研究中，主要是采用构建动作库和机器学习算法的方式实现无人机的空战机动决策。但对无人机训练的品质会极大影响机动决策的效果。使用启发式算法构建无人机侧向机动对抗的攻击路径可摆脱对训练库的依赖，且未来可拓展性强，便于优化。基于A-star算法，构建了一种适用于无人机中距空战侧向机动决策的路径规划算法，算法可进行位置和速度规划。通过对双机协同策略的制定，设计了无人机双机对抗中的目标分配算法，可将无人机的单机对抗拓展至双机对抗的情景。通过仿真试验，验证了算法在达成战术效果和决策效率方面的可行性。