多无人平台协同作战具有空间分布性好和容错性高等优点,在军事和安全领域中都具有重要的应用价值。在复杂作战环境下,多无人平台协同作战面临任务复杂性、组合多样性和响应实时性等问题,使得多无人平台协同作战技术的研究越来越具有挑战性。如今,基于领域知识的人工智能由于其类似于人类的思维模式,被认为是人工智能未来发展的趋势,越来越受到重视。本论文以多无人平台为研究对象,重点研究基于领域知识的多无人平台自主协同任务规划技术,构建多无人平台协同作战领域知识模型,研究基于规则的高层作战任务指令的粗分解与基于时序规划的子任务细分解,提出了领域知识表示与时序规划器领域描述文件之间的转化方法。本文的主要研究工作以及贡献如下:（1）基于本体的多无人平台协同作战领域知识表示与建模基于本体理论本文采用OWL（Web Ontology Language）语言对多无人平台协同作战领域中的知识进行表示与建模,将多无人平台协同作战领域本体划分为四类,分别为实体本体、环境本体、任务本体和状态本体。此外,本文提出了一种对机器人知识库的可扩展性和响应性进行评价的方法。测试与评价实验结果表明所构建的多无人平台协同作战本体知识库具有较好的可扩展性和响应性。（2）基于规则的高层作战任务指令的粗分解在所构建的多无人平台协同作战领域本体的基础之上,本文考虑将SWRL（Semantic Web Rule Language）规则知识引入领域本体中,构建规则库,用以弥补OWL对规则性知识表示的不足。最后,基于领域本体知识和规则库进行推理得到高层任务的粗分解。（3）基于时序规划的子任务细分解本文采用POPF时序任务规划器对粗分解得到的子任务进行细分解,生成最终的原子行动序列。本文提出了一种基于领域知识的POPF时序任务规划器领域描述生成方法,克服了传统规划器领域描述文件需要手动编写的过程。最后,基于POPF时序任务规划器实现了对子任务的细分解,并基于Turtle Bot3进行实物实验验证。（4）基于无人作战典型任务的多无人平台自主协同任务规划实验在实验验证环节,针对包含巡逻任务和打击任务的作战想定,采用基于ROS和Stage的多机器人巡逻虚拟仿真框架进行多无人平台自主协同规划实验,在实验过程中针对可能存在的作战行动冲突,提出了相应的优化与调度方法。