卫星电源系统作为卫星的关键组成部分之一,直接影响卫星在轨工作时的安全性与可靠性。本文以卫星电源系统为研究对象,根据电源系统的在轨状态监测需求,设计了关键装置的在轨性能监测与故障诊断方法,实现了卫星电源系统关键装置的在轨自主性能监测与故障诊断。首先,根据卫星电源系统的工作原理、遥测数据特性和故障模式,确定了电源系统的关键装置及其状态监测需求。之后,针对卫星储能电池的性能监测需求,在其最大容量值可在线测得的条件下,结合支持矢量回归与网格搜索方法,提出了基于改进粒子滤波的储能电池性能监测方法。鉴于大部分情况下最大容量值在线不可测得的问题,结合K均值聚类算法与所设计的进化算法,提出了基于进化埃尔曼神经网络的储能电池性能监测方法,作为替代方案。接着,针对储能电池与电源控制设备的故障诊断需求,融合Dropout算法与所设计的自适应学习率算法,提出了基于改进多输入多输出长短时记忆神经网络的故障诊断方法,实现了储能电池组和电源控制设备的在轨故障诊断。最后,结合NASA公开的实验数据与某型卫星实测数据,选取典型的故障模式,获取了可近似反映真实故障特征的仿真数据。仿真结果验证了本文所提出的方法的正确性和可行性。本文所研究的状态监测方法已初步实现了电源系统关键装置的在轨自主性能监测与故障诊断,为卫星电源系统的在轨自主故障诊断与健康管理提供了研究借鉴。