随着空间任务要求的不断提高和航天科技的持续发展，空间在轨服务技术正成为近年来的研究热点。与人类宇航员相比，以空间机器人来完成在轨服务任务具有安全性好、成本低、连续作业能力强等优势，因而受到当今各主要航天大国的广泛关注和重点研究。而为了保障空间任务规划与机器人运动控制的安全可靠，有必要将空间机器人在轨状态预报作为一项基础技术和重要课题来研究。在传统的自由漂浮空间机器人系统的状态预报方法中存在诸多问题:为了保证预报精度，需要对模型中的不确定参数进行辨识，而现有的惯性参数辨识方法或需要消耗难以补充的推进剂，或需要获得难以精确测量的线速度;并且参数辨识结果中的残差以及其他建模误差始终不可避免，使得仿真模型的预报误差随时间推移而不断累积，直到预报结果完全失真。　　本研究主要内容包括：⑴开展了空间机器人的星-臂耦合运动学建模研究，通过联立动量守恒方程，给出了自由漂浮空间机器人的广义雅可比矩阵，建立了这一空间漂浮多刚体系统的运动学模型。通过在给定激励下驱动模型进行仿真，并将主星姿态角响应与来自东方红卫星厂的试验数据相对比，验证了该模型的有效性。此外，本章中还建立了受控状态下空间机器人单关节机械臂的动力学模型，为后续章节中预测机械臂的响应建立了理论基础。⑵针对主星-机械臂耦合的空间机器人系统，通过将主星惯性参数辨识问题转化为一个四变量优化问题并求解，实现了主星惯性参数的在轨辨识。提出了用于求解该类复杂参数辨识问题的改进型PSO算法，其中引入了完全局部邻域、定期筛选、误差平抑以及复合评价筛选等多种改进策略。大量仿真实验结果表明，与传统PSO算法相比，在本问题中改进算法可以兼顾局部搜索深度与全局搜索能力，高效稳定地获得高精度辨识结果。⑶针对空间机器人抓取无先验知识目标物体的惯性参数辨识问题，通过角动量方程将目标物体的惯量矩阵表示为质量和质心位置的函数，并代入激励-响应数据序列进行求解，然后将求解结果的分布离散程度作为优化目标函数，来求解质量和质心位置。为了高效求解这一优化问题，提出了一种新的演化算法——种群分布演化法，其通过搜索空间中个体的分布密度来表征对应位置出现优化解的概率，结合个体优化值和整体分布程度来指导种群的迭代演化。在标准函数的优化测试中该方法与遗传算法、粒子群方法等其他演化算法效率相当，而在本文所述的目标物体参数辨识问题中则表现得更为高效精准。⑷通过一定简化假设，将原模型降阶，得到了二阶的预测模型;在主星响应修正问题中，提出了将实测/仿真响应比视为时间的缓变函数，并以该响应比来修正未来时段仿真预报数据的修正方法。运用带遗忘因子的递推最小二乘法，对这两个模型中的参数估计问题进行了求解，从而实现了对受控机械臂关节响应和机器人系统中的主星响应的修正。在有限的预报时长和估计误差条件下，仿真测试给出了高精度修正结果。⑸综合空间机器人运动学仿真预报方法、主星惯性参数辨识方法、非合作目标惯性参数辨识方法以及受控机械臂和主星响应的修正方法，本文最后提出了在多种不同任务状态中，空间机器人系统融合修正的预报策略。在机械臂空载，机械臂抓取了有误差的先验知识或者完全无先验知识的目标物体等条件下，该预报策略都能得到高精度的空间机器人在轨状态预报结果，从而验证了本文工作的有效性。