近些年来，我国航空事业取得了骄人成绩，为中华民族伟大复兴写下了光辉一笔。航空事业的腾飞，离不开航空设备的高可靠性。然而，航空设备工作环境的特殊性，使得其安全性受到各种各样的威胁，其中一个非常严重的威胁就是航空故障电弧。　　由于航空设备内部电气系统错综复杂，长期在高空中工作很容易出现隐患，有可能引发航空故障电弧。航空故障电弧一般伴随着高温和发热现象，严重时容易引发火灾事故，进而威胁航空器的安全。目前针对航空故障电弧的研究还不完善，有必要对航空故障电弧检测技术进行深入的研究，以进一步提升航空设备的可靠性。　　本文首先总结分析了航空故障电弧的产生机理，然后依据UL1699标准搭建了航空故障电弧实验平台。运用该实验平台采集了大量的航空故障电弧实验数据，建立了不同负载、不同频率条件下的故障电弧试验数据库。　　为了提取航空故障电弧的特征，本文引入了奇异值分解(SVD)理论。通过对原始数据重构的汉克尔矩阵进行SVD分解和重构，实现了对原始数据奇异性的提取。并结合熵理论，将重构信号转换为航空故障电弧的特征向量。在对原始数据的特征提取之后，对不同负载特性的航空故障电弧的特征向量进行了对比分析。　　最后本文利用权值直接确定算法对BP神经网络进行改进，构建了一个基于权值直接确定算法的神经网络。同时运用处理好的航空故障电弧训练样本，对该网络进行训练和仿真。结果表明，该网络在航空故障电弧检测中有很好的表现，可以作为一种航空故障电弧检测的有效方法。