可重复使用飞船因其低成本的特点,在航天任务中具有重要的应用价值。再入制导是保证飞船安全返回的关键环节。故本文以我国新一代可重复使用载人飞船月地高速返回为背景,对跳跃式再入的轨迹跟踪制导、轨迹重构和预测校正制导方法开展了相关研究。取得的研究成果如下,分析了跳跃式再入的轨迹优化和轨迹跟踪制导问题。利用高斯伪谱法优化得到参考轨迹。研究了将滑模控制与扩张状态观测器结合的自抗扰制导律,实现对参考阻力加速度的跟踪。提出在二次再入点进行轨迹重构的策略,有效降低了开普勒段累积误差对制导精度的影响。研究了基于模型预测控制（MPC）的两种跟踪制导方法。设计了基于非线性模型预测控制（NMPC）的制导系统,并提出了预测模型修正方法和变预测时域策略,提高了系统的鲁棒性。为了克服NMPC方法求解复杂度高的缺陷,提出了基于神经动力学优化的MPC制导方法,利用单层投影神经网络对时变二次规划问题进行在线优化求解,兼顾了制导精度和计算速度。提出了在二次再入段实现智能轨迹重构制导的方法。针对二次再入段设计了参数化滚转角曲线的轨迹形式,并依据该形式研究了轨迹规划方法。提出了利用BP神经网络在多个航路点进行在线智能规划轨迹的方法,并与跟踪制导相结合,设计了智能轨迹重构制导方法。通过对参考轨迹的多次在线更新和跟踪,实现了高精度制导。研究了基于交互式深度学习的数值预测校正制导方法。针对预测校正算法计算负担大的应用瓶颈,提出了交互式的深度神经网络（DNN）训练方法,提高了网络训练的效率。将DNN作为制导指令生成器,快速计算滚转角参数,实现了在线智能再入制导。