作为一种重要的电气设备,无刷交流同步发电机在各个领域有着广泛的应用,其常作为航空发电机应用于飞机交流发电系统中,是飞机主电源的重要组成部分。近些年来,因航空发电机故障所引起的,造成系统损坏,甚至人员伤亡的航空事故时有发生。因而,航空发电机的安全性与可靠性变得越来越重要。旋转整流器是航空发电机中的核心部件,也是最容易产生故障的部件之一,因此,对旋转整流器故障诊断技术的研究是十分必要的,具有重要的研究意义和实用价值。本文主要研究基于深度学习的旋转整流器故障诊断方法,具体研究内容如下:(1)首先,对航空旋转整流器故障诊断方法进行了理论研究,并对深度学习方法与传统的故障诊断方法进行了比较,将深度学习理论引入到航空三级式发电机旋转整流器故障诊断领域。研究了一种基于深度置信网络的旋转整流器故障诊断方法,该方法能够自适应的提取故障特征并进行故障分类;(2)其次,为了验证故障信号起止点相位角选择对诊断效果的影响,本文研究了一种基于堆栈自动编码器和最小距离分类法的故障诊断方法,并对所提出的方法进行了实验验证;(3)最后,本文研究了一种基于堆栈自动编码器和支持向量数据描述算法的旋转整流器故障诊断方法。该方法实现了在只有正常工作状态下的样本数据时,对航空发电机旋转整流器二极管故障的检测。