随着航天技术的不断发展,太空探索已逐渐进入集群时代。小卫星因具有体积小、质量轻、研制周期短、发射成本低和易于组网等优点,已成为空间实验和太空探索的重要工具之一。与此同时,复杂的空间任务也对小卫星群系统的可靠性提出了较高要求。因此,使卫星具备自主故障诊断及故障处理能力便显得尤为重要。本文以小卫星群为研究对象,针对群系统的故障诊断技术展开研究。主要以级联前馈神经网络作为工具,设计了主从式小卫星群中个体卫星、卫星群系统的姿态控制系统故障诊断策略、以及卫星群队形机动变换过程中的故障诊断策略。论文主要研究内容包括:针对主从式小卫星群中领航主星的姿态控制系统故障,设计了一种基于级联前馈神经网络的观测器,并引入李雅普诺夫函数证明了其稳定性。在此基础上,建立了基于神经网络观测器的故障诊断系统。以姿态控制系统中的执行器故障为例,利用神经网络观测器对系统的状态变量进行估计,判断是否有故障发生,以及故障发生的时间和位置,从而实现对卫星群中领航主星的故障诊断。针对主从式小卫星群中从星的姿态控制系统故障,提出了一种利用主、从星间相对姿态信息设计的神经网络故障诊断策略。对从星的执行器——脉冲等离子体推进器进行了建模分析,并且讨论了其常见的两种故障问题。采用了一种新的算法构建级联前馈神经网络,并优化了权值训练算法。使用该神经网络模拟主星与从星间的相对姿态信息,设计了“一主二从”结构的小卫星群姿态故障诊断方案。针对小卫星群在队形变换过程中发生的故障,设计了一种基于神经网络观测器的故障诊断策略。结合主-从式卫星群系统的相对动力学模型,以及卫星群机动变轨方案,通过运用新型算法构建了级联前馈神经网络,在此基础上完成了神经网络观测器的设计。并以执行器故障为例,利用观测器的估计输出值与敏感器的实际测量值作比较,从而产生残差,实现对卫星群机动过程中的故障检测。通过STK与MATLAB互联仿真试验和可视化演示,验证了本文所提出的面向小卫星群的神经网络故障诊断策略的有效性和可靠性,从而可为空间飞行任务的顺利开展奠定基础。