故障诊断系统的研发得到了越来越多的国家和地区的重视,尤其是航天器的故障诊断。由于航天器的造价十分昂贵,而且很多部件是具有唯一性的。为了让航天器更加自主化、智能化,其故障诊断技术由单一发展成为复杂的集成健康管理系统。本文的研究背景是基于航天器的健康管理系统,完整的健康管理项目分为三大模块:用户端,解析端及后端算法部分。本文研究侧重于健康管理系统中的核心算法,该算法主要采用Common lisp语言完成。在故障诊断搜索方面,传统意义上的故障诊断方法大多使用基于知识,基于专家系统等方法。本文将使用改进的A*算法对航天器进行故障诊断。改进后的A*算法大大的提高了搜索故障点的速度,减少了搜索时间。减少故障搜索的时间,就是在寻找最优解的时候避免做无用功,它的关键点在于决策。许多决策问题现在被重新定义为优化问题,涉及在离散空间上搜索,获得一组满足约束的最佳搜索方案。A*算法最常用于寻找最优路径,比如导航或者游戏地图中等。但是在美国NASA的故障诊断系统Livingstone上,已经成功地应用了A*算法。事实证明,A*算法在故障诊断上是完全可行的。本文将故障诊断搜索问题也比拟成一个寻找路径的一个关系,建立一棵推理搜索树,通过在推理搜索树上寻找到故障点,增加一个约束条件——成本函数,在搜索树进行扩展分支的时候,通过成本函数进行判断筛选,使其能够减少许多不必要的搜索,使用最少的速时间搜索到最优解。本文将传统的A*算法进行改进,通过增加约束条件,也就是成本函数,在传统A*算法的基础上及增加了额外的结构,特别是将状态考虑到变量赋值中,并且将约束集合被分解为一组约束。通过利用相互优先独立性(MPI)来解决最优约束可满足问题(OCSP),将最优约束可满足问题构建为状态空间搜索问题,每个搜索状态都是对应着决策变量的部分分配,通过组合各个分配的成本来计算无效性,达到故障快速搜索的目的。