随着当前国际航天事业的迅速发展和太空探索的不断深入,空间操作任务也变得越来越复杂。利用空间机械臂替代或辅助宇航员完成各类复杂的在轨操作任务,可以有效提升航天器在轨服务的经济效益和安全性,因此,空间机械臂在未来的空间探索中占有举足轻重的地位。太空工作环境中信息获取困难、不确定因素多,航天器与指挥中心的遥操作时延问题越发突出,这对空间机械臂的自主决策能力提出了新的要求。同时,受限于复杂的太空环境与操作任务,空间机械臂的操作任务具有很强的约束性,如针对空间维修这类非计划内且不能通过单一动作实现的任务,在满足如关节角度、角速度等限制的前提下,需要首先移除旧部件才能替换安装新部件。此外,由于空间资源的有限性,针对航天器资源的合理的配置也尤为重要。因此,在多约束条件下考虑多目标优化的自主任务规划方法是未来空间探索中空间机械臂技术发展的重要方向。本文针对多约束多目标的空间机械臂任务规划方法展开研究,研究内容如下:首先针对空间机械臂的任务特性,提出了一种空间机械臂任务规划的通用框架与数学模型建立方法。在此基础上,系统梳理空间机械臂任务规划的可执行动作、任务约束与优化目标。该通用框架与数学模型能够在复杂约束条件下描述考虑不同优化目标的空间机械臂的任务规划流程,实现了任务规划过程的数学化描述。然后研究多约束多目标的空间机械臂任务执行策略。基于图规划与改进模拟退火算法,并结合空间机械臂的任务特性,提出了一种规划步数可控的图拓展方法,实现图规划结果由单一到集合的转化。基于该动作序列集合,提出了一种多约束多目标的任务规划解提取方法,在约束空间内通过融合不同目标规划求解任务执行策略。该方法充分结合了空间机械臂的任务特性与智能图规划特点,实现了多约束多目标的空间机械臂自主任务规划过程。其次针对空间机械臂移动任务,提出了一种基于启发式算法的空间机械臂路径分解方法。在此基础上,结合路径学习策略与基于神经网络的路径规划时间代价估计方法,提出一种基于规划知识库的移动任务规划方法,在启发式路径规划算法中引入学习机制,能够在考虑约束的前提下规划得到针对不同目标的优化路径,并具备提升任务规划速度的自我学习能力。最后开展多约束多目标空间机械臂任务规划方法实验研究。为了验证文中提出的方法在机械臂研究领域的应用价值,针对典型的机械臂操作任务,开展了多约束多目标的机械臂任务规划方法的仿真与实物验证。通过分析相应实验结果,验证相关算法的正确性与有效性。