卫星发射前一般会通过地面试验,出现原理性问题的可能性极小。大多数故障还是因为部件材料的物理学发生变化引起的。卫星是一个复杂系统,在轨飞行时如果出现故障,在地面可以用于故障分析的只是一些参数的遥测数据,它们按一定的顺序存储在数据库中。在这些卫星遥测数据中蕴含大量可以用于卫星故障诊断的客观规律和知识,从中挖掘出卫星各部件及器件的信息,有效地认识、掌握和利用其规律无疑对卫星故障诊断决策与管理工作具有特别重要的意义。本文在研究数据挖掘算法的基础上,运用数据挖掘算法对卫星关键部位的故障诊断进行研究。主要研究内容包括如下:(1)针对卫星故障数据易缺失的问题,提出了一种基于信息熵数据融合的缺失值填充算法。利用信息理论中的信息熵,将SVM和RBF预测结果通过熵权融合的方法进行数据融合,实验表明,该方法预测精度比单一的预测方法更加准确;针对离群点难以检测的问题,提出了基于改进K-means的方法对离群点进行诊断。(2)针对卫星参数较多,数据维数较高的问题,采用主成分分析(PCA)、核主成分分析(KPCA)以及局部线性嵌入(LLE)对实验数据特征进行提取,对特征提取后的数据运用K近邻(KNN)算法进行测试;采用KPCA方法对故障进行检测,通过KPCA方法得到原数据的投影矩阵并建立原数据的主元模型,然后利用统计量检测指标(T2,SPE)来对运行过程进行检测。(3)针对卫星关键部位故障类型较多的问题,采用SVM的多分类算法进行故障诊断;对SVM参数惩罚因子以及径向基函数核参数难以选取的问题,采用粒子群智能优化算法(PSO)进行参数寻优。(4)采用MATLAB与C#混合编程搭建卫星综合电子系统故障诊断智能辅助决策系统。