本学位论文以国家"十五"预研项目"卫星长寿命高可靠性技术"以及航天科技创新基金项目"卫星故障诊断的神经网络专家系统"为研究背景,以风云系列某卫星为应用对象,开展基于计算智能方法的航天器故障诊断技术与应用研究.研究了卫星在轨运行状态监测及故障快速定位问题.对Fuzzy ART神经网络的竞争聚类算法进行了改进,提出了一种基于Fuzzy ART神经网络的状态监测及故障快速定位方法.借鉴生物免疫系统的自适应机制、反面选择特性以及抗原识别排除机理,研究了一种基于免疫机理的自适应故障诊断方法.利用疫苗接种算法对T模块非己空间检测器集进行疫苗接种,使其具有特异性检测功能,实现对已知故障模式的诊断.通过B模块自己空间检测器集和T模块非己空间检测器集的协调配合,实现用有限数量的检测器检测系统的任何异常.算法通过检测器向量的移动和克隆增殖,实现了故障样本数据的自适应更新和故障模式的扩充.研究了进化递归IELMAN神经网络的预测方法.为了使预测模型结构参数和权值参数在学习时同时优化,将ES算法与DBP算法相结合,提出一种动态递归IELMAN网络的混合进化学习算法(ESDBP).对ES算法的选择算子进行了改进,避免算法的早熟收敛.研究了卫星系统缓变故障的预测预报方法.为了对卫星电池阵输出功率进行多步预测,提出一种双向进化递归IELMAN神经网络模型的多步预测方法,并通过仿真实例验证了方法的有效性.根据多步预测结果计算的功率衰减率,实现了电池阵输出功率下降故障的早期预报.研究了传感器的故障诊断问题.为了利用免疫网对非线性系统的传感器进行诊断,提出一种免疫网和FuzzyART组合的传感器故障诊断方法,将其应用于卫星温度传感器的故障诊断,并对传感器的单重和多重故障情况,分别对传感器的卡死、恒偏差和恒增益三种故障模式进行了仿真诊断,取得了理想的结果.该方法为缺少故障样本数据情况下的传感器故障诊断问题提供了一个新的思路.