在轨维护一直是空间监测与服务领域中的研究热点,航天器自主接近和空间机械臂捕获是成功执行在轨维护任务最重要的基础。目前成功完成这两阶段自主操作的关键在于合理的运动规划,但由于其具有维度高、约束多、最优性与实时性要求高的特点,针对其设计适用的运动规划方法是极具挑战性,故本文针对航天器近距离接近和空间机械臂捕获两方面的运动规划问题进行研究。针对航天器与空间目标最终接近阶段的运动规划问题,考虑接近过程中的约束限制,设计基于最优快速扩展随机树（Optimal Rapidly-exploring Random Trees,RRT*）的运动规划算法LG-RRT*进行接近运动规划问题求解。此运动规划算法特点在于使用确定性采样改进原有的采样器保证其规划结果可重复,加入目标偏置使求解过程更有导向性,并且其局部规划器适用于微分约束系统。最后的性能仿真结果可以证明改进策略的有效性,LG-RRT*运动规划结果可以证明规划算法的可行性。针对空间机械臂捕获运动状态稳定的空间目标,考虑捕获过程漫长会累积机械臂运动对基座造成的位姿影响,导致机械臂运动不平稳的问题,进行空间机械臂运行时间最优轨迹规划。首先采用参数化技术构建捕获轨迹,随后为求解轨迹参数介绍一种新颖的智能优化算法（Egret Swarm Optimization,ESO）,从初始化种群和添加反向学习机制两方面优化算法,最后将提出的优化算法HOESO应用在空间机械臂的轨迹规划中。仿真实验证明HOESO较ESO在求解复杂问题上更有优势,且HOESO应用在轨迹规划问题中是可行的。针对空间机械臂捕获失稳空间目标,考虑失稳目标运动状态的复杂性,提出一种基于目标位姿预测的运动规划解决方案。方案采用双向长短时记忆网络作为运动预测网络基础构架,为降低目标运动状态复杂性对预测网络的影响,在基础网络中加入时间注意力层得到最终的预测网络模型。最后在预测得到失稳空间目标运动位姿的基础上,采用参数化轨迹构造方法进行捕获轨迹规划,最终的仿真结果说明所提出的基于预测的运动规划方案是有效的。