深空探测对人类进行宇宙的形成与演化,生命的起源与进化等重大科学问题的研究具有重大意义,因此成为人类航天活动的重要发展方向。月球由于其独特的地理位置和潜在资源,成为了人类开展深空探测的首要目标。月面探测主要是利用月面巡视探测器进行月表环境勘测及样本采集。随着对月面研究的不断深入,采样环境日趋复杂,现有的月表采样技术无法满足日益复杂的采样任务需求,因此,研究更为安全高效的月面采样策略,对于加快月面环境研究的进度意义重大。为提高采样任务执行效率,需要更为智能高效的路径规划算法,同时为合理分配采样过程中的资源消耗,需开展采样构型优化的相关研究。本文基于航天五院项目“月壤表取采样封装智能策略分析软件研制”的课题背景,以月面巡视器为研究对象,对月面巡视器车载机械臂执行采样任务过程中的相关技术和策略进行了研究,并通过对所得研究成果的仿真和实验对算法的有效性进行了验证。针对月面巡视器车载机械臂进行重复采样过程中规划效率低的问题,提出了一种基于知识库的学习型规划算法。首先针对月面采样任务的特征进行任务分层分解,将复杂的采样任务分解为机械臂可直接识别执行的原任务。针对单次任务规划过程中规划效率低的特点,提出一种改进的PRM算法,利用动态连接距离提高了PRM学习图的效率,并解决了狭窄通路问题;针对重复规划过程中无法从历史规划结果获取经验的问题,引入了规划知识库进行规划信息的特征提取和存储,从而在进行新的相似任务规划时能从历史规划经验中直接提取规划解,极大地提高了多次相似任务规划过程中的规划效率。针对月面巡视器车载机械臂在采样过程中其末端与样本之间发生接触碰撞的情况,进行了末端采样方案的优化设计。基于调研得到的月面土壤信息,结合末端执行器结构,建立末端执行器-月壤接触力学模型,得到接触力与采样入土角和采样速度的关系,并通过仿真分析得到末端接触力最小的采样方案;针对末端执行器采样过程中与障碍物接触产生刚性碰撞的问题,基于车载机械臂动力学模型及末端执行器-月壤接触力学模型设计机械臂的力位混合控制算法,保证产生刚性碰撞的极短时间内机械臂能及时作出应对措施,从而确保任务安全有效地执行。针对采样过程中月面巡视器车载机械臂系统资源消耗的问题,进行了车载机械臂采样构型的优化分析。首先,提出一种采样点泛化处理的方法,提高了采样方案的灵活性和可选择性;然后,结合末端最优采样方案,分析在不同采样点位置的机械臂采样安全构型,并结合基于知识库的PRM规划算法以及笛卡尔空间规划得到机械臂运动规律;最后,结合任务需求确定优化目标,建立多目标优化模型,基于多目标粒子群优化算法得到最优采样构型,保证采样过程中的资源消耗达到最优。为验证本文中提出的学习型规划算法的有效性和可行性,针对月面采样任务,开展了车载机械臂采样任务规划的实验研究,得到了与预期目标相符的实验结果,从而验证了本文中所提出算法的有效性。