MEMS（Micro-Electro-MechanicalSystem，MEMS）器件体积小、重量轻、成本低，能够有效提高卫星姿态测量单元功能密度，缩短研制周期。但由于工艺水平的限制，MEMS陀螺在精度和可靠性方面尚存在劣势。因此，本文针对批量MEMS陀螺系统的设计制作、数据融合与故障诊断（FaultDetectionandIsolation，FDI）问题进行了研究。具体内容如下：陈述了MEMS陀螺的误差组成模式。针对系统误差，输入多组相同绝对值的正负角速率，对每对输出值求期望并做差，消除量测噪声、零偏和地球自转角速率的影响，通过最小二乘方法得到陀螺输出的标定因数。针对随机误差，建立了ARMA p q模型，并叙述了模型参数的确定方法。研究了批量MEMS陀螺的总体方案。将系统分为测量单元、控制单元和数据处理单元三个部分，并提出了批量MEMS陀螺系统的两级、多小组的数据融合与FDI总体设计方案。研究了系统的可靠性、融合精度和算法的时间复杂度，并提出了优化陀螺数量的性能指标。利用商用MEMS陀螺及相关元器件，设计并制作了工程样机，并使用C语言编制了相关程序，实现了测量单元和控制单元的功能。最后，在单轴气浮转台上验证了工程样机的功能。研究了批量MEMS陀螺的数据融合方法。设计了基于具有可观性的ARMA p q状态空间表达式的Kalman滤波器。针对较小的角加速度，提出了一种基于支持向量回归机（Support Vecter Regression，SVR）的滤波趋势项预测补偿算法。为了克服以样本点序号为自变量时较弱的泛化能力，通过相空间重构，以样本点的若干历史值为自变量，有效地提高了SVR模型的泛化能力。预测补偿算法在大角加速度下失效。为了融合各陀螺的处理结果，提出了一种基于KMOD核函数的改进数据加权融合算法。最后，使用工程样机验证了融合算法的性能。研究了批量MEMS陀螺的FDI方法。针对单故障系统中真实角速率对FDI的影响，设计了基于奇偶向量和支持向量分类机（Support Vecter Classica-tion，SVC）的FDI算法，并分析了量测噪声对算法的影响模式。通过联合使用多个单故障FDI算法，提出了一种改进FDI算法，用于检测和隔离两个同时发生的故障。为了克服量测噪声对算法的影响，提出了基于离散小波变换（Discrete Wavelet Transform，DWT）的改进算法。最后，对多种故障大小和陀螺故障组合模式进行了验证。