本发明公开一种基于深度学习的航天器反交会逃逸脉冲求解方法，包括以下步骤：建立航天器近距离相对运动轨道动力学模型，建立相对运动状态转移方程；构建描述逃逸航天器最优逃逸脉冲的双层数学规划模型；大量选取不同的初始相对状态，用数值优化技术求解出对应的最优逃逸脉冲的大小与方向，形成一系列状态量‑控制量数据对；将数据对归一化处理构建深度学习样本集；构建深度神经网络并进行充分训练；用最终训练所得深度神经网络求解近距离反交会逃逸脉冲。本发明方法具有逃逸效果好、计算速度快等优点，可用于空间对抗中航天器在轨实时快速生成近似最优的逃逸策略，能有效提高未来空间对抗中航天器的生存能力。