由于卫星能力的加强以及用户需求的复杂化,传统的地面集中管控模式的任务规划已经不能适应新的需求与挑战。传统任务规划模式不能很好地解决环境的不确定性问题,导致响应速度慢,鲁棒性低。而卫星自主任务规划是解决不确定性环境下卫星快速响应的有效途径,本文将机器学习方法与卫星任务规划相结合,提出了基于学习型决策的成像卫星自主任务规划方法。本文的主要工作概括如下:(1)通过对敏捷卫星与非敏捷卫星工作原理与成像过程的分析,明确了互相之间的区别,分别建立了敏捷卫星和非敏捷卫星的自主任务规划模型。通过对传统管控模式弊端的分析,提出了自主任务规划的管控模式与流程。(2)设计了基于学习型决策的自主任务规划方法:确定了地面学习、星上决策的方法框架,地面负责利用历史规划方案对自主任务决策模型进行训练,星上利用训练好的模型进行实时决策;在对自主任务规划模型充分分析的基础上,提取了十维用来描述元任务的特征变量,明确了自主任务决策模型的输入输出,设计了训练集与测试集;设计了基于时间序的星上自主任务规划方法,以元任务为单位进行规划,每次决策当前元任务是否执行,将规划问题分解成实时决策问题,充分结合了机器学习擅长求解决策问题的优势;分别基于BP神经网络、支持向量机、随机森林对自主任务决策模型进行实现,明确了模型的要素与参数。(3)在实验部分,分别为验证自主任务决策模型和本文方法的效率而设计了评价指标。将自主任务决策的结果与历史规划方案的决策结果进行对比,证明了决策模型具有很高的决策准确率。将本文方法的结果与历史规划方案的结果进行对比,证明了本文方法在保持观测总收益的基础上,大大降低了任务规划的运行时间。