随着深空任务数量的增加以及星上操作的日益复杂,深空探测器自主任务规划技术已成为提高探测器的鲁棒性、增加科学回报、降低运控成本均有重要技术手段。然而与经典的任务规划相比,深空探测器任务规划问题具有不可预测性、突发性、复杂性、动态性等特点,给该问题的研究带来困难和挑战;而且由于探测器系统复杂,在多种约束制约下规划过程与约束处理过程相互耦合,传统的“规划-调度”线性处理模式已不能很好地适应深空探测器自主任务规划与调度的需求。本文在国家自然科学基金、973计划、民用航天等项目的支持下,根据深空探测器任务特点与系统约束特性,将智能规划理论与约束可满足技术相结合,对多约束条件下的深空探测器自主任务规划技术进行了深入研究。主要研究内容如下:首先,对深空探测任务中探测器约束与活动之间的关系进行分析,构建基于多值变量的多层约束可满足规划模型(Multilevel constrained programmed planning based on multivalued variable,MCPP)。在深入研究规划语言的语义表达以及规划问题与约束可满足问题(Constraint satisfaction problem,CSP)之间的转换关系基础上,提出了基于规划模型语义分析的领域知识提取方法,将规划中的动作因果链转化为约束可满足问题中的约束形式,进而将深空探测规划问题转化为约束可满足问题,并通过外延约束形式将深空探测任务中规划和约束处理过程进行统一编码,建立基于约束可满足的探测器任务规划模型。其次,根据建立的深空探测器MCPP模型,研究模型中约束的动态特征,结合规划领域中动作的互斥关系建立MCPP模型中动作的动态约束集,并据此提出了基于动态约束集的外延约束过滤算法,通过对约束中具有相同一致性变量的集中管理,维护约束网络中的一致性。结果表明基于动态约束集的外延约束过滤算法能够有效地降低约束处理中无效约束检查次数,减少算法回溯次数。然后,针对深空探测器约束复杂、系统状态信息高度耦合的特点,提出了二次CSP算法,将探测器任务规划问题的求解过程分解为“子系统-动作段”与“动作实例化段”两个阶段。在子系统-动作段,通过分析规划解在整个搜索空间中的分布,提出规划虚动作概念,并结合约束可满足技术中的构造策略与局部搜索策略设计了基于虚动作的启发式搜索算法,有效的减少了规划过程中对冗余变量的处理,能够快速获得可行动作序列;在动作实例化段,利用CSP搜索空间中临树对称与MCPP中多层副本的特点,设计了基于多层变量的扩展回溯算法,对多值变量进行实例化,通过削减相邻树枝的冗余枝干,快速生成规划解。最后,为了验证本文提出的规划算法的有效性,设计并实现了探测器任务规划系统。以火星快车号任务模型为背景,验证了本文提出的领域知识提取技术、基于动态约束集的外延约束过滤算法、以及二次CSP算法下基于虚动作的启发式算法和基于多层变量的扩展回溯算法对规划过程中的影响。结果表明,本文所提出的算法能够充分利用规划领域信息,降低系统的回溯次数、提高规划效率并生成较好的规划方案。