在四旋翼无人机控制系统中,姿态传感器起到了测量相关参数的作用,然后将参数反馈到控制系统中进行姿态解算,实现无人机的姿态控制。姿态传感器作为飞控系统的重要组成部分,它的状态将关系到无人机的稳定飞行,所以对姿态传感器的故障诊断是非常有意义的。本文主要研究工作如下:本文通过比较现有各种故障诊断技术的优势与缺陷,并考虑到四旋翼飞行器飞控系统的特性,将BP神经网络诊断方法应用于四旋翼飞行器飞控系统并针对BP神经网络的收敛速度慢、精度低等缺点,采用遗传算法进行改进。将陀螺仪三个角度输出作为估计参数,建立了翻滚角观测器、俯仰角观测器和偏航角观测器,在线估计陀螺仪输出。对于故障类型辨别的问题,本文将故障数据与传感器实测数据进行一元线性回归分析,能够成功辨别恒增益与恒偏差故障。并提出了双阈值检测方法,以提高故障检测的准确率。使用的不同训练算法与隐层节点对BP神经网络进行训练,以选取最优训练算法与隐层节点数;同时对GA-BP网络性能进行仿真,数据表明GA-BP网络在收敛速率和精度方面有了明显提升。在MATLAB仿真平台下,进行故障检测和辨别仿真,结果表明,本文所使用的方法不仅能够准确的预测陀螺仪的输出,而且双阈值检测故障法也能较为准确的检测到故障注入点,并对其进行标记,并且一元线性回归法也能准确的辨别故障类型。