控制力矩陀螺（Control Moment Gyro,CMG）是现代航天器用于姿态机动控制的重要设备,具有耗能低、输出力矩大、精度高等优点,其健康状态和可靠性直接影响航天器的在轨寿命。CMG的各部件监测数据随航天器的在轨遥测数据下传,存在数据采样率低、数据丢失和数据高延迟导致实时性差等问题。近年来,随着航天数据的大量积累和神经网络技术的发展,利用神经网络进行时间序列数据插补成为研究的热点之一。数据插补技术能够补充缺失数据,避免数据特性扭曲加剧分析难度,对异常检测、故障排查等下游任务具有重要意义。本文以某CMG实际运行遥测数据为基础,提出了基于Informer和GAN模型的时间序列插补方法,设计了基于SVM的系统辨识方法,最终设计并实现了CMG数据插补与辨识系统。本文主要完成的工作如下:用多种数据分析方法分析了CMG实际运行遥测时序数据的特点,设计并实现了适合本课题的数据预处理流程。通过白噪声检验、平稳性检验等方式分析时序数据特征,采用统计学传统方法对数据进行数据清洗。针对遥测数据和地面实验数据采样频率不同的问题,采用数据插值方法进行时间尺度归一化,并对不同数据插值方法进行分析。针对数据插补问题,对ARIMA传统方法进行实验分析。提出了结合Informer和GAN模型的数据插补模型,基于数据插补模型AST（Adversarial Sparse Transformer）改进了判别器、生成器网络结构及训练流程,通过在CMG数据集和公开数据集上的实验证明了本文模型在高缺失率数据插补任务上相比于AST模型和传统数据插补方法有明显优势。比较了基于SVM和随机森林的辨识方法并确定了适用于CMG数据系统的辨识方法。本方法用于辨识CMG实时运行状态,采用数据驱动的方式进行系统辨识,为下游任务例如异常检测提供数据支持。设计了基于PyQt5的图形化用户界面,集成本课题的时间尺度归一化、数据插补、系统辨识等功能,形成完整的软件系统。根据任务需求说明书的内容,分析了软件系统的具体需求,基于软件工程设计思维,经过架构设计、功能模块划分等设计步骤,最终实现了功能齐全、用户友好、使用简便的CMG遥测数据管理系统。