高超声速飞行器兼顾了飞机和空间飞行器的优点，融合了大量的多学科前沿技术，成为各军事强国的一个重要发展方向。本文基于对提高精度和减少能量损失的考虑，系统研究了改进的标准轨道制导、快速轨道优化以及神经网络预测制导方法。　　首先，基于再入走廊概念，对传统的阻力加速度剖面制导方法进行了改进。通过优化阻力加速度剖面，研究了一种基于优化剖面的标准制导方法。在再入走廊内，通过选择合适的阻力加速度剖面函数形式，将再入剖面参数化，并分别利用遗传算法和粒子群算法对再入剖面展开优化，得到优化的标称飞行剖面。同时，通过解析推导，设计了时变参数的制导律跟踪标称飞行剖面，提高了标准制导方法的鲁棒性。　　其次，研究了基于hp-自适应伪谱法的快速轨道优化方法。针对再入滑翔过程多约束下最小吸热问题，利用Bolza型最优控制性能指标函数建立了再入轨道优化模型。然后利用 hp-自适应伪谱法探讨了再入轨道快速优化策略。同时，对 hp-自适应伪谱法的性能进行了仿真分析，仿真结果表明该方法能够有效兼顾收敛速度和计算精度，优化得到的伪谱解与实际积分解相差很小。　　最后，提出了一种基于优化轨道的神经网络预测制导方法。利用神经网络在飞行器在线计算效率上的巨大优势，通过设计一个双层的BP神经网络，并利用轨道优化得到样本数据来训练BP神经网络，以实现落点参数与当前飞行参数之间的非线性关系，减轻传统预测制导在线积分的计算负担。同时，设计了两层反馈校正方法来消除落点偏差，使飞行器沿着优化轨道飞行，也可提高制导的鲁棒性。　　全文重点讨论了基于优化轨道的神经网络的预测制导方法。结果表明：与传统预测制导法相比，神经网络在线计算仅为少量代数运算，并不需要进行积分运算，从而兼顾了在线预测的实时性与计算精度，对发展未来新型无动力高超声速再入飞行器具有一定的理论和工程借鉴意义。