故障诊断技术是航天器安全、可靠运行的保障。本文研究了基于有向图模型的航天器故障诊断方法。该方法能够描述复杂系统的故障传播机理以及系统元素间的因果关系,是一种基于深层知识的诊断方法,而且缓解了诊断知识获取瓶颈问题,能够对某些未预知的故障进行识别。因此该方法为航天器故障诊断技术的研究提供了一种新的途径。本论文的主要目的是通过对基于有向图模型的诊断方法的研究,找到适用于航天器在轨自主诊断的方法。为了这样的目的,本论文主要进行如下几方面的研究工作。针对航天器故障诊断领域的特点,本文将故障传播有向图和符号有向图(SDG)两种系统描述方法的优点结合起来,提出了一个基于分层有向图的定性诊断模型。它具有SDG模型固有的良好完备性,又能够清楚的反映部件间的连接作用关系,同时对该模型采用了有向图分层策略,并利用测试节点间的定性关系来回溯搜索不相容支路找出故障源候选集合,而且可以根据故障可能性对候选故障源进行的排序。最后将该方法应用到卫星一次电源系统,验证了该方法的有效性。航天器的故障样本和诊断经验的不足,给建模带来了困难,因此,本文采用了根据系统正常的工作模式进行建模的思想,建立系统诊断模型。另外,航天器的许多系统具有多种工作模式,系统关键变量间的定性关系随着工作模式的改变而变化。由于传统SDG模型对这种变化的定性关系的表达还不够完备,采用这种模型进行故障诊断,将会导致诊断分辨率低的问题出现。因此,本文将模糊理论引入到SDG模型中来,提出了一种基于SDG模型和模糊理论相结合的模糊SDG模型。节点变量变为模糊变量,它的每一个模糊子集代表了一种工作模式下的状态;节点间的定性关系通过模糊关系矩阵来表达。通过回溯搜索模糊不相容支路来找出故障源候选集合。实例分析表明了该方法的有效性。对于前面提出的基于模糊SDG的方法,如果模型中存在不可测量节点,该诊断系统将无法进行诊断推理。为了解决该问题,提出了基于模糊SDG模型和贝叶斯推理相结合的模糊-概率SDG模型。该模型节点间的定性关系用条件概率表(CPT)来表达,通过贝叶斯的不确定性推理和不相容支路的判断,可以在不可测节点存在的情况下,完成不确定性推理,找出故障源候选集合。最后建立了某卫星一次电源系统的诊断模型,故障诊断的仿真结果验证了该方法的有效性。故障诊断的准确性依赖于系统模型的精确性,为了提高诊断模型的精确性,在以往建模方法的基础上,本文提出了利用定性趋势分析(QTA)技术来辅助建模的方法。趋势分析能够为SDG模型提供充足的定性趋势信息,通过分析这些信息,可以找出节点变量的工作阈值区间,还有节点变量间的多值逻辑关系。最后,本文提出了结合了其它建模方法的综合建模策略,并针对前面提出的模糊-概率SDG模型给出了建模的步骤。将上面提出的方法应用到某卫星一次电源系统中,建立了更为精确的诊断模型,诊断的仿真结果表明该辅助建模方法提高了诊断的准确性。故障检测的核心问题是传感器的分布问题。针对有向图模型,分别给出了基于可观测性和可靠性的传感器设计方案,并进行了实例分析。最后,通过综合分析前面的研究,提出了新的可靠性设计思想,并对可靠性问题进行了形式化描述,接着给出了基于可观测性和可靠性的传感器分布设计方案。该方案综合考虑了可观测性、可靠性等要求,采用贪婪启发式算法实现了该方案。仿真结果表明该方案满足了可观测性和可靠性的要求,能够快速提高系统的可靠性,更适合系统设计的需要。