随着我国航天事业的不断发展，飞行器结构的复杂和太空环境恶化，空间垃圾的增多，对飞行器的可靠性要求也越来越高，故障诊断方法的局限性已经不能满足对飞行器安全工作的需要。针对卫星结构复杂、难以建模、监测数据量大的特点，采用分层神经网络故障诊断的方法对卫星进行故障诊断将是非常有利的。本文建立了分层神经网络诊断模型，实现了对复杂系统的诊断。通过采用主元分析方法对数据进行预处理，简化数据模型，提高诊断效率。主要内容有：第一，研究了广义回归神经网络（GRNN）的模型及工作原理，实现了在卫星电源分系统故障诊断中的应用，并与基于BP网络的故障诊断方法作了比较分析。通过研究GRNN网络模型和工作原理，利用其函数逼近性质实现了GRNN网络对卫星电源分系统的故障诊断。第二，通过研究SOM神经网络的网络模型和工作原理，利用SOM的聚类作用实现了SOM网络对卫星电源分系统的故障诊断。第三，通过对分层理论的研究，提出了针对复杂系统的分层诊断结构和操作算法。运用主元分析方法简化数据模型，提高诊断效率。利用分层神经网络实现对卫星多系统波道数据的故障诊断。第四，通过编程实现神经网络和专家系统的诊断融合。采用神经网络内嵌式专家系统融合结构，完成对卫星的综合诊断与应用。研究表明，分层神经网络的故障诊断技术不仅解决了已有故障诊断方法对复杂系统诊断的局限性，而且提高了诊断的效率和可靠性。