随着科技的进步和诸多领域需求的增多,发射进入太空的卫星越来越多,与此同时卫星发生故障的事件也在逐渐积累,因此关于卫星的故障诊断和健康评估就受到越来越多研究人员的重视。卫星帆板作为卫星整个生命周期的能源提供部件,重要程度不言而喻,但是经统计,卫星能源系统发生故障的占比名列前茅,因此在整星的故障检测和健康评估中,卫星帆板是所有卫星部件中最先受到考虑的不二之选。本文采用能直接反映卫星帆板状态的帆板温度遥测数据进行分析,由于帆板温度遥测数据存在一定程度的缺失,在建立故障检测模型和健康评估模型之前,需要对缺失的遥测数据进行插补,以得到完整的遥测数据,本文相关章节采用引入注意力机制的时间卷积网络,对从历史遥测数据到未来遥测数据的映射进行拟合来建立缺失值预测插补模型,并和帆板温度物理模型仿真及其他的时间序列模型作比较,得到了较好的插补效果,为之后故障检测模型和健康评估模型的构建打下了数据完整的基础。在对缺失的帆板温度遥测数据进行插补之后,接着使用集合经验模态分解对插补完整的遥测数据进行分析处理,并结合实际应用场景和遥测数据特征,采用快速傅里叶变换、Pearson相关系数分析、t检验等分析方法分别重构高频瞬变分量和低频渐变分量,然后使用引入注意力机制的时间卷积网络建立高频瞬变模型和低频渐变模型,分别应用于故障检测和健康评估场景,并和其他的时间序列模型作比较,得到了较好的预测效果。在使用高频瞬变模型和低频渐变模型时,结合加窗和加权移动平均的方法,根据相关模型预测值生成动态阈值上下门限,方便进行参照对比,增加了模型的实用性。