随着航天技术的不断发展,为适应愈发复杂的空间任务,大规模星座的建设愈发重要。大规模星座庞大的卫星数目与复杂的卫星结构使得传统地面控制方法负担过重,也使得星座内部有着较高碰撞风险。此外,性能更加优良的小推力控制器的引入也为大规模星座控制器设计带来了新的挑战。本文主要针对大规模卫星星座小推力智能自主轨道控制器的设计问题,提出了一种利用神经网络与势函数相结合的控制器设计方法,解决了满足最优指标与星间碰撞约束的星座大规模机动问题。本课题具体的研究内容如下:针对神经网络训练过程中的数据库建设问题,本文利用形状法为间接法提供初值的思想求解间接法得到标称轨迹,后利用同伦思想快速生成数据集。首先对于间接法求解的问题,本文在利用贝塞尔级数法求解满足最优指标的轨道转移问题的基础解,利用形状法的解进一步得到协态变量初值。特别对于燃料最优,利用同伦法解决了其初值范围较小的问题。在数据库生成方面,本文通过扰动标称轨道的初始与终端条件,将标称轨道的最优解作为扰动后状态的初值,增加了大规模数据的计算速度,为后文训练神经网络做铺垫。针对单星小推力智能控制器设计,本文利用神经网络强大的拟合能力,通过对数据库中最优控制策略的学习,得到实时根据当前状态生成最优控制的智能自主控制器。特别的,本文利用最优控制的bang-bang控制的特点,分别构建推力幅值网络与推力方向角网络,并通过选择合适的网络结构、激活函数与训练算法,最终完成针对单星的小推力智能自主控制器的设计。最后通过蒙特卡洛方法与具体仿真实例分析神经网络控制器的控制精度与其相较于最优控制的指标偏差。针对卫星星座小推力控制智能优化,本文在满足碰撞规避的基础上设计了一种智能自主控制器。首先利用势函数的思想设计了碰撞规避环节,通过调整轨道半长轴,有效的避免了当前卫星飞跃其他卫星时可能出现的碰撞问题,其次,将得到的碰撞规避环节与神经网络控制器结合,当卫星不存在碰撞风险时,借由神经网络控制器对卫星进行控制以保证机动过程的最优性,存在碰撞风险时,则利用势函数来进行碰撞规避以保证卫星始终以安全距离运行。最后通过卫星星座的初始化与重构仿真,表明所提出的算法在控制效果与性能指标方面都是较优的,且在星间碰撞规避方面也表现了良好的效果。