随着任务需求以及相关技术的发展,上面级不仅具有运载火箭的功能,还能够自主进行轨道机动,飞行时间长,可进行多次点火操作。它的工作任务也不再局限于卫星的发射及部署,在深空探测、在轨服务、空间攻防等航天任务中都发挥着重要作用。传统的导航策略制定方法对于工作模式单一的应用对象通常比较有效,但对于未来上面级愈发复杂多样的任务框架和工作模式,传统方法难以满足多任务适应性的需要,不具备对环境的考量和适应,更不具备智能化决策的能力。针对传统决策模式下导航系统的不足之处,本文提出运用专家系统、神经网络等智能化方法设计上面级智能导航决策算法,以满足未来上面级多任务适用性以及高精度自主导航的需求。无论是神经网络,还是专家系统,智能化算法在实现决策功能时都需要人类专家提供相应的决策依据。本文参考了国内外相关文献及近年来成功完成任务的上面级项目,建立了导航策略数据库,为智能化方法提供决策的理论依据。针对数据库检索慢、难以进行修改等问题,本文利用B+树结构对数据库进行构建,提高数据库检索速度和可操作性。针对目前采用传统决策模式的导航方案无法满足未来上面级空间任务适应性这一问题,本文采用专家系统、神经网络相结合的智能化方法,设计智能导航决策系统,改变原有的设计方式,赋予系统根据任务类型、传感器配置自主分配导航传感器工作的能力。在理论研究的基础上,通过计算机数值仿真,验证算法的性能,为上面级智能化导航系统构建提供一种可行有效的技术途径。本文研究对象为可担任多种类型任务的上面级,在执行不同航天任务的过程中,将不可避免地出现传感器切换、导航配置变更等情况。给导航系统引入难以忽略的非线性噪声,影响导航系统的精度。针对这一问题,采用自适应网络模糊推理系统(ANFIS)对滤波算法予以修正,解决上面级在工作过程中,由于传感器切换、导航配置变更等原因,所带来的随机非高斯噪声,保证了导航系统的导航精度。