近距离条件下航天器自主接近控制是航天器在轨服务的关键技术。执行自主接近任务需要服务航天器具备在轨发现、定位目标的能力;但空间碎片等的存在导致了空间环境的不确定性,单一传感器通常无法应对复杂多变的空间环境,因此需要考虑多源信息的融合。在服务航天器确认目标后的接近过程中,由于航天器携带燃料的约束,碎片存在的危险性,航天器轨迹规划与控制需考虑安全性、和时间或者燃料等最优;上述自主接近过程的自主性、智能性和鲁棒性将直接影响整个任务的成败,是关键性指标。针对上述问题,本文主要完成了如下研究工作:首先,实现了基于可见光/激光的多策略融合近距离识别/定位。首先通过对标定板可见光图像和激光点云数据的处理,实现了两个传感器的联合标定,为后续识别/定位奠定了基础。然后对航天器特征结构采用深度学习的识别方法,实现了对动态目标航天器的自动识别跟踪。通过标准库和实验数据对算法的优越性进行了验证。最后通过多策略融合的目标点云特征点选取,获得了目标航天器三维精准位置坐标。其次,提出了能量最优的航天器连续动态避障轨迹规划策略。通过建立相对运动能量最优和避碰安全距离模型,提出了动态避障点矢量确定策略,实现了动态避障规划,提升了避障算法的有效性,减少了燃料的消耗。仿真表明,算法的性能指标相比常规算法更具优势。最后,提出了时间与燃料约束的参数自主寻优变轨控制算法。通过滑模控制器中可调参数、时间与误差的多重约束,提出了控制器的量级寻优策略,并进一步地制定了变轨控制算法中基于融合粒子群的系数寻优策略。仿真表明,采用上述寻优策略后,变轨控制器能够在有限时间内实现位置和速度误差的稳定收敛,且工质消耗最少。通过上述研究,本课题提出了一套完整的自主接近控制方案,实现了可见光/激光雷达联合标定、多策略融合的目标航天器识别、跟踪与定位等各项关键技术,完成了能量/燃料最优下的近距离轨迹规划与控制,可为后续工程实践奠定了基础。