升力滑翔式飞行器由于其自身的飞行速度快,射程远以及强大的机动突防能力,在未来战争之中具有非常重大的战略意义。升力滑翔式飞行器的再入轨迹优化与制导问题是航空航天领域的一个研究重点,同时也是一个难点,这主要是因为飞行器在再入大气层时面临的复杂约束条件以及自身的非线性运动学模型。本文针对升力滑翔式飞行器再入轨迹优化与制导问题,主要分以下几个方面开展研究工作。本文首先建立合适的坐标系,运用牛顿第二定律对升力滑翔式飞行器再入大气层的运动进行建模与分析,得到飞行器运动的质点运动学方程,同时对于飞行器所处的大气环境的声速,密度等特性进行数学分析,得到数学模型。为研究飞行器的再入轨迹优化与制导问题做准备。传统的再入轨迹优化问题往往需要大量的计算时间,而且很难在复杂的约束条件下同时对于攻角和倾侧角进行寻优。本文设计了基于凸优化的再入轨迹优化方法,将飞行器再入过程的运动学方程,过程约束,禁飞区和航路点约束以及性能指标等凸化,将原再入轨迹优化问题转换为二阶锥规划问题（SOCP）,然后利用凸优化求解器进行求解。该方法可以在多约束条件下快速同时优化攻角与倾侧角,得到最优轨迹,并且可以较好的满足飞行过程之中的所有约束条件。仿真实验表明,该方法计算速度快,终端精度高,可以应用于工程实际之中。飞行器在实际的再入飞行的过程之中,由于自身建模以及外部环境的偏差,无法准确的按照优化得到的标称轨迹飞行。本文设计了基于凸优化的再入轨迹跟踪制导方法,确保飞行器在偏差情况之下仍然可以完成飞行任务。本文通过一系列凸化方法将再入制导过程之中的飞行器运动学方程,各种约束条件以及性能指标凸化,得到二次约束二次规划问题（QCQP）。针对QCQP问题二次型性能指标,引入旋转二次锥约束,使得QCQP问题可以被快速求解。本文还设计了基于凸优化的在线轨迹优化与制导一体化系统,用于飞行器在线主动调节飞行策略,以应对较大偏差情况以及临时飞行任务切换。仿真实验表明,该方法制导精度高,具有良好的鲁棒性,可以适用于复杂偏差情况下的再入跟踪制导。飞行器在再入制导的过程之中期望得到绕开禁飞区同时对标称轨迹有良好跟踪效果的制导轨迹,本文将强化学习之中的策略梯度下降的深度神经网络决策（DDPG）算法应用于再入制导的问题,处理飞行器横向规避禁飞区的问题。本文首先通过基于凸优化的制导方法得到不考虑禁飞区的制导轨迹,再利用DDPG算法对于制导指令进行微调,使飞行器可以绕开禁飞区。仿真实验表明,该方法可以得到符合禁飞区约束的制导轨迹,随着计算机技术的发展,更多的人工智能的方法将应用于航空航天工程领域。本文最后对于全文的研究工作了总结,指出了本文的主要创新点,并且对于该方向未来的研究提供了一些思路。