空间机动飞行器因其可重复使用性、良好的载荷能力与机动性能已成为航空航天领域的重要研究内容。飞行器轨迹优化问题是总体优化设计中十分重要的组成部分,影响着整体结构设计、导引控制和动力设计等多个方面的内容。本文中轨迹优化的目的在于在满足各项约束的条件下用最短的时间到达指定目的地。再入段是飞行器返回过程中最具代表性的一段,因为再入段是靠大气层自然阻力使得飞行器减速下降的,在这个过程中,飞行器会与大气层之间产生强烈的压缩和摩擦,对飞行器造成巨大的损耗,因此,对飞行器再入段进行轨迹优化研究是十分必要的。针对传统优化方法存在精度不够、易陷入局部极小值等问题,本文主要研究内容如下所示:(1)建立了空间机动飞行器动力学模型,以最短时间为目标,设计了8维状态变量如速度、高度等和攻角、倾侧角2维控制变量,建立了状态微分方程。并且针对飞行器安全飞行的任务需求,设置了状态控制变量的边界条件、飞行轨迹终端条件和路径约束等条件。(2)应用神经网络与庞特里亚金极大值原理相结合的动态神经网络方法求解飞行器再入轨迹优化问题。相比于直接法,间接法求解轨迹优化问题可以获得更高精度的解,而神经网络的加入则能避免传统间接法中协态变量初值猜测的问题,简化间接法的计算过程。(3)使用遗传算法对动态神经网络的初始连接权值进行优化,利用遗传算法良好的全局搜索能力和神经网络的自学习能力,避免轨迹优化问题的解陷入局部极小值,从而得到更为精确的全局最优解。通过仿真实验,验证了本文采用的方法能够用来解决空间机动飞行器再入轨迹优化问题,且该算法具有较高的精度和较好的鲁棒性。