航天器状态监测与故障诊断技术,不仅可以避免人员伤亡和设备的重大损失,而且可以节约航天器的发射和运行成本,而系统的建模方法及其快速故障定位算法是航天器故障诊断中关键技术.本学位论文结合国家武器装备"十五"预研课题"卫星长寿命高可靠性技术"(41320020401)、国防863课题"可重复使用跨大气层飞行器故障诊断与故障隔离方法研究"(2002AA721063)以及中国空间技术研究院课题"空间实验室故障诊断与仿真技术研究",以卫星和运载火箭等航天器为主要研究对象,对多信号建模与故障诊断方法及其在航天器故障诊断中的应用进行系统深入的研究,其研究内容主要包括以下几个方面:系统地研究了航天器多信号建模技术.针对航天器系统元件与测试之间的依赖关系确定的情况,研究了复杂系统依赖矩阵的自动获取与存储技术.针对航天器依赖关系不确定的系统,提出采用概率描述不确定系统多信号模型的依赖矩阵,并采用贝叶斯网络的参数学习和结构学习算法来建立不确定系统的多信号模型因果依赖关系和概率依赖矩阵.深入研究了基于多信号模型最优序贯测试技术.为了制定科学的航天器序贯测试方案,采用多信号模型对航天器进行建模,考虑了系统元件发生故障的先验概率以及可用测试的成本,研究了成本最优的序贯测试策略.针对复杂航天器系统中AO<*>算法搜索速度较慢的缺点,采用了ε可接纳以及有限搜索等改进措施,提高了搜索效率.研究了基于多信号模型多故障诊断技术.采用多信号模型描述复杂航天器故障传播依赖关系,考虑了系统元件发生故障的先验概率以及可用测试信息,基于最大后验概率,研究了利用拉格朗日松弛和次梯度优化算法求解多故障诊断问题的一种启发式方法.为了加速搜索算法收敛速度,对次梯度优化算法的迭代步长进行改进.进行了测试和模型不确定的故障诊断技术研究.针对测试不确定的情况,如某些遥测数据受到环境干扰而产生虚警,采用模糊阈值对卫星遥测数据进行监测并给出波道报警可能性,同时提出采用故障可信度因子改进传统基于多信号模型实时诊断算法,然后再结合专家知识采用模糊推理得到可疑故障元件的故障概率.实验结果显示该改进算法不仅可以克服因虚警而导致诊断冲突问题,而且诊断速度快,精度高,并可发现潜在可能发生故障的元件.另外针对航天器模型不确定的情况,根据不确定系统的概率依赖矩阵,采用证据理论中的基本概率分配(BPA)表示该概率,提出采用改进的D-S算法直接融合各遥测波道状态得到系统各元件发生故障的可能性.该方法诊断速度快,应用方便,解决了多信号模型不确定情况的故障诊断问题.以"风云卫星"为背景,研究了天地一体化集成诊断方案,开发了集成基于多信号模型诊断、模糊诊断以及专家系统诊断的卫星地面故障诊断推理平台.