1.一种基于FLC‑APF‑RRT*的无人机路径规划方法，其特征在于，包括如下步骤：(1)预设一个目标偏向阈值Pbias，随机产生概率P，依据Pbias和P的大小关系，将随机树扩展分为探索和收敛两个阶段；

(2)设计模糊控制器PbiasFuzzy，根据环境因素动态输出目标偏向阈值；

(3)结合人工势场法与目标偏向阈值，提出一种改进新节点的生成方法。

2.根据权利要求1所述的无人机路径规划方法，其特征在于，当P

3.根据权利要求2所述的无人机路径规划方法，其特征在于，当P≥Pbias时，随机树处于探索阶段，随机生成采样点Xrand，进行随机树横向拓展。

4.根据权利要求3所述的无人机路径规划方法，其特征在于，新节点Xnew扩展定义如式(1)所示：其中，X′goal为Xnearest指向Xgoal的延长线上距离为step的点，Xrand为新扩展的随机点。

5.根据权利要求4所述的无人机路径规划方法，其特征在于，所述模糊控制器双输入单输出，输入参数一为采样点附近的障碍物密度，输入参数二为采样点到目标点的欧氏距离，输出值为目标偏向阈值，障碍物密度ObsDensity和采样点到目标点的距离GoalDist被配置相同的子集{NL,NM,ZE,PM,PL}，归一化后其取值范围为[0,1]与[0,10]，输出目标偏向阈值Pbias的输出范围为[0,0.7]，模糊子集为{NL,NM,NS,ZE,PS,PM,PL}。

6.根据权利要求5所述的无人机路径规划方法，其特征在于，将Pbias作为影响因子，动态分配对新节点有影响作用的随机点和人工势场，其中，改进新节点的配置方法如式(2)所示：其中，X'goal为Xnearest与Xgoal延长线上距离为step的点，||Xrand‑Xnearest||表示Xrand与Xnearest之间的欧氏距离。

7.根据权利要求6所述的无人机路径规划方法，其特征在于，所述Fatt为引力，其定义如式(3)所示：Uatt代表引力函数；Ka代表引力常数；Xnearest表示随机树扩展的当前节点；ρ(Xgoal,Xnearest)为矢量，长度为Xnearest到Xgoal的欧几里得距离，方向为Xnearest指向Xgoal。

8.根据权利要求7所述的无人机路径规划方法，其特征在于，所述Frep为斥力，其定义如式(4)所示：Xnearest表示随机树扩展的当前节点；Xobstacle表示障碍物的位置；ρ(Xobstacle,Xnearest)为矢量，长度为Xobstacle到Xnearest的欧几里得距离，方向为Xobstacle指向Xnearest；ρ0为斥力场的作用范围；

9.根据权利要求8所述的无人机路径规划方法，其特征在于，所述方法包含以下步骤：基于FLC‑APF‑RRT*算法进行N次迭代；

使用numNodes最大节点数目来控制生成节点的总数，若超过此界限则视为规划失败。

10.一种基于FLC‑APF‑RRT*的无人机路径规划系统，其特征在于，所述系统被配置为：(1)预设一个目标偏向阈值Pbias，随机产生概率P，依据Pbias和P的大小关系，将随机树扩展分为探索和收敛两个阶段；

(2)设计模糊控制器PbiasFuzzy，根据环境因素动态输出目标偏向阈值；

(3)结合人工势场法与目标偏向阈值，提出一种改进新节点的生成方法。