目前我国空间站在轨建设任务已拉开序幕,开展空间站运营技术智能化研究,对空间站在轨运营技术发展有重要意义。本文从我国空间站运营任务规划工程需求出发,结合近年飞速发展的深度强化学习技术,开展了空间站运营短期任务智能规划方法的研究,其主要研究成果如下:研究了基于深度强化学习算法的空间站任务规划约束满足方法。为能够结合深度强化学习技术处理空间站任务规划问题,通过对空间站短期任务规划问题进行分析,建立任务规划问题的马尔可夫决策模型。针对空间站运营短期任务规划中的复杂约束满足问题,结合深度强化学习技术,提出基于深度确定性策略梯度算法的空间站复杂约束处理方法,该方法能够克服启发式方法需要人为经验设定的限制,有效解决空间站短期任务规划约束满足问题。研究了基于深度强化学习算法的空间站任务规划优化方法。在解决空间站短期任务规划约束满足问题的基础上,根据规划问题的优化需求,建立空间站运营短期任务规划优化模型;结合深度确定性策略梯度算法经验池的设定,以最优化任务方案收益性为例,提出基于示范算例的短期任务规划优化方法,示范算例的添加能够有效提高规划方法的搜索效率与收敛稳定性。研究了基于深度强化学习算法的空间站任务重规划方法。针对空间站任务重规划问题,分析问题特点,提出切合实际的空间站任务重规划问题优化指标;结合深度强化学习模型同类问题可复用的特性,研究了深度强化模型再训练技术,以此为基础,提出基于深度确定性策略梯度算法的空间站任务重规划方法,给出具体问题处理流程,并通过仿真算例分析了该方法的具体性能。论文紧密贴合我国载人航天工程建设实际,结合近年飞速发展的深度强化学习技术,对空间站运营短期任务规划及重规划问题进行研究,提出对应的智能规划方法。论文的相关研究成果进一步补充发展了我国空间站运营管理技术,可为我国空间站技术智能化发展提供新的思路。