随着航天技术的飞速发展,卫星的结构和功能也变得更加复杂和多样化,再加上太空环境的特殊性,其安全性和可靠性的保障变得尤为重要。一些传统的故障检测方法已经无法满足日益增长的卫星保障需求,而基于数据驱动的故障检测成为重要的研究方向之一。本文以卫星最为关键且故障发生率最高的姿态控制系统为典型研究对象,根据其参数特性,基于遥测数据开展故障检测技术研究。论文的主要工作与贡献如下:（1）本文根据卫星姿态控制系统异常状态下遥测数据的不同表现形式,总结归纳出偏差型故障和时序型故障两种故障模式,针对性地处理对应数据集,为后续的故障检测奠定数据基础。并且对卫星在轨期间可能出现的故障模式进行了仿真实验分析。（2）针对偏差型故障,提出了基于特征重要性的加权孤立森林故障检测模型,采用无监督的异常检测方法解决故障样本难以标记、正负样本极度不平衡等问题,并通过改变原始孤立森林算法中节点分裂的随机策略,提升了单棵决策树的性能,提升模型的精度和效率。（3）针对时序型故障,提出了一种基于LSTM的时间序列拟合模型,去学习卫星遥测时间序列中长期依赖的线性和非线性关系,并利用一种无监督阈值设定的时间序列异常检测方法,对LSTM拟合模型生成的误差序列作异常分析,实现时序型故障检测。综上所述,本文基于卫星遥测数据的特殊性,提出的故障分类及其检测方法,可以针对性地挖掘出卫星遥测数据中的故障信息。并在真实的数据集上进行实验和对比分析,验证了所提出的方法的准确性和有效性。