电源系统作为航天器不可或缺的组成部分,其健康状态评估与剩余寿命预测有助于及时准确了解系统的运行状态,对于提前预知系统异常情况有着重大意义。本文以航天器电源系统为对象,利用所采集的仿真或部件加速试验数据,开展系统的健康状态评估与剩余寿命预测研究,评估系统的健康状态,预测系统的故障发生概率或剩余寿命时间,为预防系统发生重大事故提供参考依据。本文的主要研究内容包括以下四个方面:首先,通过分析航天器电缆的失效老化机理,建立电缆的失效物理寿命模型,同时建立能够处理小样本、非线性、高维数特征的支持向量回归模型,将失效物理模型与支持向量回归相结合的基于最小误差的权重法应用到电缆的剩余寿命预测中,预测结果表明该方法提高了电缆剩余寿命预测模型的准确度。第二,对电缆寿命的可靠性模型进行了优化。考虑电缆加速寿命试验数据的小样本特性,根据电缆实际工作的失效机理情况,分别对形状参数为常数和随应力变化两种情况的贝叶斯估计进行讨论,建立电缆的小样本可靠性模型。考虑电缆小样本特性,加入电缆可靠性建模过程中的不确定性因素,建立同时考虑不确定因素和先验信息的电缆可靠性模型。将同时考虑先验信息和不确定性的非线性混合模型与其他单独考虑先验信息或不确定性的模型进行对比分析,仿真结果表明本文提出的非线性混合模型具有更好的可靠性建模效果。第三,基于航天器电源系统的组成结构和工作原理,构建由系统顶层到指标层的健康状态评估指标体系。以此体系结构为基础,确定了基于模糊灰色聚类的系统评价方法,并采用组合赋权法确定各个评价指标的权重。通过对所采集的航天器电源系统指标数据集进行计算,实现电源系统健康状态等级的评估。最后,研究基于优化主成分分析-长短时记忆神经网络（PCA-LSTM）模型的电源系统剩余寿命预测。针对电源系统采集特征信号维数较高、信息冗余的特点,将经过PCA处理后的重构主成分作为网络输入,利用优化LSTM网络模型进行剩余寿命预测,进行了基于优化PCA-LSTM模型的预测,表明所研究模型的预测效果。