机遇目标（Target of Opportunity,To O）观测任务是一类重要的空间科学卫星空间探测任务,机遇目标往往产生自瞬变源或爆发源,蕴含着宇宙空间中重要的天文、物理现象,是科学家开展空间科学研究的重要对象。机遇目标观测任务的典型特征是具有很强的动态性和时效性,属于一类随机产生的应急观测任务。当前空间科学卫星的任务规划依赖于地面系统的参与,受限于星地之间有限的通信时间窗口,空间科学卫星的快速响应能力存在一定的不足。采用星上自主方式对机遇目标观测任务进行规划,将大大提升机遇目标观测的响应时效性。因此,开展机遇目标星上自主规划研究对提高卫星快速响应能力、争取最大化科学产出具有重要意义。论文在调研和分析已有卫星任务规划和自主规划研究成果之上,针对空间科学机遇目标的星上自主规划问题开展研究,提出了机遇目标平静期和高峰期两种不同场景下的自主规划方法,主要工作及创新点如下:1.面向空间科学机遇目标的星上自主规划问题分析与建模首先对空间科学机遇目标的特征进行分析,总结了机遇目标观测任务自主规划问题的规划要素、约束条件和优化准则,对机遇目标观测任务自主规划进行了数学建模,分析了星上自主规划的工作流程,创新性地提出了将机遇目标发生平静期和高峰期分解为两种机遇目标星上自主规划问题进行求解。2.基于周期性滚动和响应式触发的启发式自主规划方法设计提出一种适用于机遇目标观测任务平静期的自主规划方法,采用周期性滚动和响应式触发相结合的自主规划模型,以最大收益加权和时间重叠度为启发式因子,按周期性滚动和响应式插入方式完成启发式自主规划算法设计。仿真实验结果表明,本文提出的启发式自主规划算法能够获取较高的机遇目标任务观测收益,同时具备良好的求解效率。3.基于神经网络的观测任务序贯决策自主规划方法设计在机遇目标观测任务发生的高峰期,对空间科学卫星在面临机遇目标时的快速决策能力要求更高,对此本文提出序贯决策自主规划求解模型,定义了机遇目标观测任务特征向量,完成了样本数据自动生成工具,基于CNN卷积神经网络和LSTM循环神经网络实现了序贯决策自主规划算法。仿真实验结果表明,本文提出的序贯决策自主规划方法在满足最大化观测收益的同时,做到了对空间科学机遇目标的快速响应。