卫星,不论是在军事领域还是民用领域中都具有重要的应用价值,其安全性和可靠性一直是航天工程研究领域的热点问题。然而太空环境复杂多变、卫星系统复杂零部件众多、星载计算机和诊断资源有限,以及各种未知的干扰因素,这些都对卫星的安全运行带来巨大威胁。卫星设备造价昂贵,一旦出现严重故障,将导致巨大的经济损失和不良的社会影响。因此,设计故障检测与诊断方案,及时发现异常征兆并且预测微小故障发展趋势,采取预防措施从而降低故障可能带来的伤害,是一项具有重要理论意义和工程应用价值的课题。本文以卫星姿态控制系统为研究对象,分析挖掘卫星遥测数据的独有特征,研究基于遥测数据的微小故障检测与预测方法,为卫星在轨维护提供理论支撑。本文主要工作总结如下。首先,分析了卫星轨道特性给遥测数据带来的影响,总结了遥测数据的周期性和片段性特征;考虑高维遥测数据之间往往存在信息冗余,提出一种基于主成分分析的故障检测方法,实现了基于遥测数据的在轨卫星异常监测功能。其次,针对主成分分析方法不能处理数据间非线性关系的缺点,研究了基于近邻保持嵌入(NPE)非线性流形学习的微小故障检测方法。通过动态邻域参数改进NPE算法对参数敏感的缺陷,根据样本密度动态选择邻域数目;将指数加权移动平均(EWMA)控制图与动态NPE算法相结合,提出一种改进的微小故障检测方法,提高了微小故障的可检测性。最后,再次针对遥测数据之间存在信息耦合的特点,研究了基于多变量时间序列的故障预测方法。由于向量式自回归滑动模型(VAR)应用于多步预测时存在预测误差累积问题,提出一种改进的基于动态VAR模型的故障预测方法,通过引入动态权重因子,提高了微小故障趋势预测的准确性。