航天卫星对国防、国家安全、国计民生等领域提供着强有力的支持,但长时间工作在热真空、电磁强辐射、太空垃圾等复杂外界环境中,会使卫星部件性能逐渐退化,进而引发各种故障。为保证卫星在轨执行任务期间安全可靠地运行,对卫星关键部件进行剩余寿命预测研究具有重要意义。通过分析已有的卫星部件寿命预测方法,本文发现单一信息源、单一退化量以及单一退化模型无法准确描述卫星这类复杂产品的性能退化过程,进而降低了对其进行剩余寿命预测的精确度。针对这些问题,本文采用多种基于信息融合的方法预测卫星关键部件的剩余寿命,提高了预测结果的准确度。具体的研究内容如下:(1)由于单一信息源只包含卫星关键部件性能退化的部分信息,从而导致退化参数验前分布不唯一。为减少这种不确定性,本文基于相关函数、灰关联分析以及平均互信息熵三种算法,提出了一种加权融合模型,通过对多源可靠信息的融合处理,得到了退化参数的验前分布,并基于该分布利用Bayes方法估计卫星部件的可靠性。通过5组动量轮轴温遥测数据的仿真实验,证明了利用本文提出的融合方法能够获得与实际接近的退化参数分布,并且基于该参数分布,提高了对卫星部件可靠性的估计精度,验证了模型的有效性。(2)针对单一退化模型无法准确描述设备在退化过程中呈现的多阶段特性问题,本文提出了一种基于Bayes的融合多模型算法,采用不同退化模型建模设备性能退化过程中的不同退化阶段,对不同模型的状态值和后验概率加权融合后,获得设备当前运行状态值,利用最大期望(Expectation Maximization,EM)算法更新模型参数后,即可预测设备剩余寿命。利用陀螺仪漂移数据和液力耦合器振动幅值数据进行验证,结果表明,本文提出的多模型融合算法能够较精准地描述这两种设备的退化过程。(3)针对设备某些退化特征之间存在复杂的相关性,导致单退化特征并不能全面描述设备性能退化的问题,本文提出了一种多退化量融合模型预测设备寿命。以多退化量中所包含的主要退化信息为依据,构建设备整体退化趋势的评价指标,最后根据该指标预测设备的剩余寿命。通过对卫星动量轮的轴承温度、电流以及润滑剂数据的实验表明,该模型可以从多种退化量中提取动量轮退化的主要特征,并基于该特征预测了动量轮的剩余寿命,证明了模型的可行性。(4)为了满足工程实际需要,本文基于C#与MATLAB的混合编程,设计并实现了一款卫星关键部件寿命预测软件系统。