伴随工业发展与技术进步，在航天工程领域，人类对宇宙空间的探索由近地观测向深空探测发展。在此过程中，包括载人飞船在内的航天器，无疑将是人类未来进行空间探索不可或缺的运载工具。对于和平开发、探索和利用空间机器资源而言，航天器将扮演愈发重要的角色。随着深空探测的深入，空间探索对航天器的自主能力产生了更高的需求，航天飞行对航天器的可靠性、安全性和成本控制的要求也越来越高。而任务周期和复杂性的不断提升，也增加了航天任务失败的风险。　　在航天器系统中，航天电子系统涵盖了航天器当中所有的电子设备，它实现航天器包括通信、导航、飞行控制、数据处理和飞行器管理在内的基本功能。因而航天电子系统的健康状态与航天器的飞行安全以及航天任务的成功都有着直接的关联。航天电子系统必须依赖高可靠性的元器件与维护技术，以求最大化的安全需求并避免任务失败。无论是飞往空间站、月球、火星甚至更遥远深空的航天器，都需要高可靠性的元器件集成以及针对航天电子系统有效的健康管理计划。由此，涵盖状态监测与评估、故障定位与识别、故障及失效预测等关键技术的综合系统健康管理(ISHM)被引入，以应对航天器各系统安全与维护需求的必要性。由于航天电子系统的复杂结构、大量的元器件、多种模糊和不确定因素等，在模块化的航电出现之前，航天电子综合系统健康管理显得更为繁复和困难。而尽管航天电子已经发展成为高度综合集成的模块化系统，但系统仍旧具有较大的复杂性特征，主要表现为系统组成结构的复杂性、系统状态的复杂性、系统故障的复杂性及使用寿命分布的复杂性。航天电子系统的复杂性促使其形成了众多功能模块组成的模块化综合系统结构。系统模块自身出现异常，并由模块故障的相关性引发关联异常，这都将导致系统中出现故障，其中一些故障最终演变成为系统的部分功能失效。综合系统健康管理的作用也在于故障演变为失效之前，进行预防或找出这些故障。已经有部分研究涉及到了航天电子系统的健康管理领域，例如健康监测、性能描述、故障检测及预测等。但国内外很少有研究者从综合系统健康管理的角度，成体系地进行航天电子系统的状态评估、故障诊断与失效预测的技术研究，更没有针对综合系统健康管理技术范式的研究。　　首先分析和研究了航天电子系统的基本特征及ISHM基础理论。在研究与遵循当今世界上健康管理领域包括航天器综合健康管理(IVHM)、预测与健康管理(PHM)等相关经典概念及其技术框架的基础上，形成航天电子综合系统健康管理的技术体系，明确其中的关键技术。将航天电子系统的状态评估、故障诊断及失效预测作为航天电子综合系统健康管理关键技术，一体化地展开研究。讨论了针对航天电子综合系统健康管理三大关键技术问题的解决方案，并由此研究提出ISHM综合集成技术范式。　　建立了航天电子系统综合化状态整体评估模型，着重于受模型指标体系作用的系统健康管理状态值的评价。利用模糊层次分析法构建基础模型，评价指标体系中各个指标的重要性程度及相应权重，并结合定量分析方法确定系统可靠度与模块劣化度下属次级指标的状态语义变量。随后进行算例分析说明了本文所建立的状态评估模型能够有效结合客观度量与主观评价，基于专家知识考虑航天电子系统健康状态评价过程中的模糊与不确定因素，多角度、整体化地处理航天电子系统级的状态评估问题。整体化状态评估模型从功能完整性、系统可靠性、工作时间和模块劣化度等方面考量，使评估过程相对更全面并具现实性。通过模糊层次分析结合定量分析的方法，能够明确对于航天电子系统健康状态更具影响的指标，并确定其相应的状态值以及整个系统健康状态值。从而揭示影响系统健康状态的因素并验证了模型的可行性。算例分析同时具有示例说明性目的，状态评估模型也可做出相应调整，用于不同系统规模和功能模块的航天电子系统的设计与制造工作。并由此提出系统级状态评估的技术范式，从多维度考量系统健康状态最为相关的因素，由此建立定性与定量因素相结合的指标体系，利用综合化评估方法构建整体性的系统评估模型。引入模糊及不确定性，对不同的定性与定量指标可灵活采用相应的专项方法进行度量，最终达成定性与定量相结合的综合化状态整体评估。　　讨论了渐进式的故障分级诊断体系，针对航天电子的C&DH(控制与数据处理)子系统进行故障诊断的算例分析，以示例说明渐进式的故障分级诊断问题的处理过程。子系统级的状态诊断采用了前文建立的状态评估模型进行，而模块级针对性的故障诊断则利用诊断贝叶斯网络进行。使得这种渐进式的故障诊断能够有效结合客观度量与主观评价，并处理航天电子系统故障诊断过载中的模糊性与不确定性。在算例分析中，基于模糊层次分析的多维度定性与定量分析相结合的方法进行了子系统级的诊断，得到诊断语义度量的过程中同时，能够明确对于航天电子相应子系统的诊断状态更具影响的指标，并确定各指标的诊断值以及子系统状态诊断值，从而做出初步的诊断决策以推进到下阶段模块级的故障诊断。根据初步诊断结果，然后基于诊断贝叶斯网络针对子系统中的异常图形指示模块进行了模块级故障诊断，同时考虑了完备数据与不完备数据的情况。分别采用最大后验概率法与期望最大化算法进行完备数据条件下和不完备数据条件下的参数学习。通过参数学习得到相应事件节点的概率，并结合诊断推理及模块的当前故障征状进行故障诊断，并得到了较为准确的故障诊断结果，从而验证了渐进式诊断模型的可行性和有效性。此外，渐进式分级诊断体系还可以根据航天电子系统子系统的大小及复杂性，增加分级诊断的阶段层级。对于不同的系统大小和具体情况，也能够能灵活地在各个阶段层级兼容相适的诊断技术乃至融合诊断方法，对诊断方法采取适应性的配置以更为有效地获得精准的诊断结果。并由此提出子系统-模块级故障诊断的技术范式，将故障诊断从概念上划分为更有效的子系统级初步诊断到模块级精确诊断的渐进式过程，可根据系统量级与复杂性情况，分别增加两类渐进阶段各自的分级数量。针对系统故障的不确定性，可灵活地在初步诊断阶段配置定性与定量结合的状态诊断方法，在精确诊断阶段配置定量故障诊断方法，最终达成从定性到定量、同时定性与定量相结合的渐进式故障分级诊断。　　介绍了集成型的失效融合预测模式，针对航天电子的通信子系统中的遥测、跟踪与指挥(TT&C)模块部件进行失效预测的剩余使用寿命算例分析，以示例说明集成型的失效融合预测问题的处理过程。在预估计融合预测阶段，分别采用了自回归滑动平均(ARMA)预测模型、灰关联支持向量机与模糊神经网络作为单项的融合预测方法。经典的ARMA预测模型善于处理零均值的随机时间序列，对于具有很高可靠性的航天电子系统模块，在失效预测方面具有一定适用性。灰关联支持向量机则利用灰色关联分析很好地应对了航天电子各子系统及其模块中的不确定性，并利用支持向量机良好地处理小样本条件下的非线性预测。由灰色关联分析对数据进行预处理，而后根据关联度调整数据权重，输入支持向量机得到单项融合预测结果。而模糊神经网络作为单项融合预测方法之一，有助于处理航天电子系统模块的失效预测中的模糊信息及其信息加工过程中的容错问题。模糊与神经网络相互融合从而弥补了模糊系统在参数学习方面的不足，与神经网络对处理模糊数据的局限。并利用神经网络的非线性单元训练参数，适应航天电子系统模块更为灵活地得到的单项融合预测结果。利用各单项融合预测方法得出各自预测结果后，再通过以预测误差绝对值和为衡量标准的后估计预测集成模型，得出整合的剩余使用寿命集成预测结果。最后通过多个误差指标来评估并验证集了集成预测结果更具准确度。从而说明了集成型的失效融合预测模式能够更优地处理航天电子系统模块的失效预测问题。此外，这种集成型的失效融合预测模式能够灵活地针对不同的系统情况，在预估计融合预测阶段能够采用不同的融合预测方法，并在后估计预测集成阶段匹配以相适的最优集成模型计算得到更为优化的预测结果。并由此提出系统模块失效预测的技术范式，即将失效预测划分为针对不同类别单项预测方法本身进行融合的预估计融合预测，以及针对预估计预测的多重结果的后估计预测集成两个阶段。在预估计融合阶段可灵活搭配不同类别预测方法形成多个单项融合预测方法，在后估计融合阶段选取最优的集成模型，从而达成兼容不同类别预测方法长处并优化集成预测结果的集成型失效融合预测。　　本文综合利用系统工程、运筹学方法，以及人工智能与机器学习算法，针对航天电子综合系统健康管理关键技术展开研究，重点研究了包括状态评估、故障诊断及失效预测在内的航天电子综合系统健康管理关键技术方案，并研究总结航天电子综合系统健康管理的综合集成技术范式。研究结果具备一定的实际意义与应用参考价值。