卫星在轨运行期间，电源、推进、姿控和载荷等分系统会持续产生遥测数据。过去这些数据主要用于事后分析，如今越来越多地被用于实时健康管理。通过对温度、电流、电压和姿态等参数的连续监测，地面可以更早发现异常趋势。数据量增加后，地面系统需要先做筛选和压缩，才能把有限带宽留给真正异常的信号。 健康管理的核心是建立基线。每颗卫星在正常工况下的参数都有一定波动范围，系统通过学习历史数据形成判断模型，当某项指标偏离基线时触发告警。与固定阈值相比，基线模型能适应季节、轨道位置和负载变化带来的正常波动。基线不是一次性设定，而要随卫星状态变化持续更新，否则误报会逐渐累积。 故障预警之后是处置建议。地面系统会把告警与故障树关联，给出可能的成因和应对措施，供值班人员判断。对于星座而言，单星异常还可能影响相邻卫星的任务分配，因此健康管理需要与星座调度联动。对星座而言，健康管理的目标并不是消除所有故障，而是把单星故障的影响控制在可接受范围，避免扩散。 难点在于数据质量和模型可信度。遥测采样频率有限，部分故障在早期信号微弱，容易被噪声掩盖；模型误报过多又会削弱值班人员的信任。下一步的方向是把机理模型与数据驱动方法结合，并在更多型号上积累验证样本。积累的样本越多，模型对早期故障的识别能力就越强，误报率也会随之逐步下降。