随着航空技术的发展,航天器担负着越来越多的、复杂的、高负荷的飞行任务,航天器中的各个系统部件越来越精密,这些改变加剧了航天器出现故障的可能。而任意零部件的故障都有可能导致航天任务的失败。故障诊断对于降低航天设备故障的可能性至关重要。本文针对航天器零部件中故障率较高的四种部件提出了适合各自特征、工作环境的故障诊断方法,并对各种方法进行综合技术验证。文章主要研究内容包括:(1)第二、三章介绍了基于信息的故障诊断方法。对于航天设备中滚动轴承故障诊断问题。第二章从基于振动信号的角度出发,同时提取时域和频域参数作为特征参数进行分析,通过由BP网络和感知器网络构成的混合神经网络对滚动轴承的状态进行诊断,可直接从输出结果得到故障模式的判断。仿真结果表明,采用混合网络的诊断效率达94.5%,诊断所花费时间在原有基础上缩短40%。(2)第三章针对航天器电源系统的故障诊断问题,提出了基于小波网络的诊断方法对航天器主电源系统进行故障诊断研究。与BP网络相比,小波网络结构更简单,收敛速度更快,误判率大幅度降低。(3)第四章与第五章研究了基于模型的故障诊断方法。第四章研究了航天器转子系统的故障诊断问题。航天器转子系统可以模型化成具有未知参数的随机系统,针对此系统,本章基于Kalman滤波理论和LQG方法设计了滚动算法,通过参数衰减率这一指标是否超过阈值来评判航天器转子系统是否故障。仿真结果验证了该方法能够准确的检测、分离故障,在故障检测的同时还有良好的容错性能。(4)第五章对姿态敏感器进行故障诊断研究。姿态敏感器可以简化成含有多个未知参数的随机系统,鉴于其故障模式具有复杂、突变等特点引入多模型理论。第五章在考虑多模型理论的前提下构造出的故障诊断器可以准确检测出姿态敏感器的故障,即使对于可叠加型故障,该诊断方法也同样有效,用贝叶斯后验概率对系统运行效果进行分析,验证了多模型故障诊断器的合理性。最后,对全文进行了概括性总结,并指出有待进一步研究和完善的问题。