随着航天大国与私营企业卫星发射任务的不断增多,卫星所采用的新技术、新方法层出不穷,使得其在轨运行中遇到的故障类型逐年增加,故障情况也愈发复杂。为了实现人类走出地球探索深空的愿景,迫切需要具有智能故障诊断系统的先进卫星,在执行任务期间对卫星所发生的故障问题进行检测与处理,从而适应复杂多变的太空环境。本文以卫星姿态控制系统为研究对象,对执行器与敏感器故障诊断问题展开研究。主要以递归神经网络为研究工具,提出了执行器故障诊断方法与敏感器故障诊断方法,并利用基于Arduino的单轴姿态故障诊断仿真平台进行了仿真验证。论文主要研究内容包括:针对卫星姿态控制系统中的执行器故障问题,提出了一种基于递归神经网络的故障诊断方法。对典型执行器——反作用飞轮进行了建模分析,并且讨论了两种常见故障问题。为此设计了递归神经网络参数估计器,并优化了训练算法解决了梯度消失、过拟合等问题。从而对飞轮的多个故障参数进行估计,判断故障发生的时间与类型。同时考虑到故障源耦合问题,进一步设计了带反馈的诊断结构,提升了诊断精度。针对卫星姿态控制系统中的敏感器故障问题,提出了基于递归神经网络观测器的故障诊断方法。首先对常用敏感器——磁强计进行了建模与故障分析。对此,设计了用于故障诊断的递归神经网络观测器,以及适应敏感器噪声的网络学习规则,并引入李雅普诺夫函数证明了其稳定性。利用递归神经网络良好的非线性逼近能力,对系统敏感器故障进行估计,从而获知故障时间与故障情况,最终实现对敏感器的故障诊断。针对本文第三、四章提出的故障诊断方法,设计了用于仿真验证的单轴姿态故障诊断仿真平台。仿真平台采用Arduino UNO开发板作为主控制器,同时搭载了含有磁强计的姿态测量单元、蓝牙通信单元与飞轮执行机构等元器件。在此基础上,给出了仿真平台的系统模型与姿态估计,并设计了相应的平台控制算法。同时考虑到测量噪声问题,采用Unscented卡尔曼滤波算法进行降噪处理。通过在该平台上的三组仿真实验,验证了本文提出的故障诊断方法的可靠性与准确性,也验证了仿真平台的有效性,从而为诊断方法的进一步优化改进奠定了基础。