摘要:在航天器飞行控制过程中,航天器故障诊断的最大困难在于故障模式机理异常复杂,往往一种故障模式对应多个征兆域,从而很难进行准确的故障定位。D-S证据推理理论能够实现故障模式中不同征兆域信息的融合,但不同征兆域之间的分配仅凭经验进行,要确定分配概率存在一定的困难,使得该理论在实际应用中受到限制。本文提出将BP神经网络和D-S证据理论两者结合应用,将BP神经网络的自学习、自适应和容错能力运用到基本概率分配的确定过程中,建立基于BP神经网络和D-S证据理论的航天器故障诊断模型,从而有效地表达和处理不确定信息,实现更加准确、客观的故障诊断。