为了提高空间机械臂运动的灵巧性,围绕超冗余机械臂展开的研究成为空间机器人研究的一个重要分支。而机械臂运动规划算法的计算复杂度与其自身和周围环境的空间复杂度呈多项式关系,与机械臂的维度或自由度数呈指数关系,这种关系导致了超冗余机械臂运动规划算法的难度大大增加。本文面向空间大型结构天线在轨装配任务,以空间超冗余机械臂为对象,研究其运动规划问题。首先用经典的D-H建模方法建立空间超冗余机械臂的运动学模型。而后,针对空间在轨装配中不同应用场景和适用范围,对比研究了两种运动规划方法。为了提升机械臂穿越狭小空间的能力,研究了笛卡尔空间下基于A*算法的末端轨迹跟随规划算法。采用A*算法规划出一条机械臂末端由起点到终点的无碰撞最优路径曲线,然后研究了关节点与路径点的匹配策略,实现超冗余机械臂对末端轨迹的跟随运动。跟随运动使机械臂沿末端运动轨迹向前运动,机械臂整体逼近路径曲线,因此适用于空间机械臂的狭小空间运动。相反地,为了使超冗余机械臂能够具备较大的运动范围,采用了在高维关节空间中行之有效的RRT算法。为了解决高维搜索空间运动规划算法效率低的问题,引入两种改进策略,分别是目标偏置因子和基于递增子空间维度的RRT算法。目标偏置因子bias将RRT的扩展方向引导向目标区域;递增子空间维度本质上降低了算法的搜索维度,以更快的搜索速度在较低维度的子空间中找到运动路径。对所研究的两种超冗余机械臂运动规划算法进行了仿真验证与对比总结,展示了其应用可行性:所采用的两种运动规划方法均能在有效完成空间超冗余机械臂的运动规划任务。对两种方法的对比分析表明:基于A*算法的末端轨迹跟随方法使机械臂的运动在宏观上具有一定的局限性,算法运行效率较高;基于递增子空间维度的RRT算法在高维搜索空间中表现出了明显的优势,且机械臂的运动在宏观上的局限性较小。两种运动规划方法都避免了超冗余机械臂的逆运动学求解,在计算效率上有很大的提升,同时又各自具有不同的运动特点和适用场景。