飞行控制系统的安全性和可靠性是飞机安全航行的基本保障,飞行器作动器的故障行为会影响飞行控制系统的性能。因此,对飞行器作动器进行故障诊断具有很重要的意义。　　 本研究在充分了解机械设备故障诊断技术、方法和发展情况的基础上,重点研究了飞行器作动器的主要故障行为和故障诊断方法。通过Simulink环境建立了不同状态下的飞行器作动器的模型,获得了不同状态下的作动器的输出信号,为进一步研究作动器的故障诊断奠定了基础。　　 利用小波变换、数学形态学以及小波形态滤波等三种消噪方法对作动器模型输出的正常信号和故障信号进行消噪预处理,仿真结果表明小波形念滤波算法可以较好地滤除信号中的噪声并保持原信号的特征,具有良好的消噪效果。为了有效提取信号的特征值,分别采用基于小波包和基于经验模式分解的特征提取方法对作动器正常输出信号和故障信号进行特征提取,仿真结果表明基于经验模式分解的特征提取方法可以很好地区分出作动器正常、卡死、增益和偏差故障,能更有效地提取信号的能量特征,适合作动器的故障诊断。为了将作动器的不同的工作状态进行准确的识别,利用支持向量机模式识别方法将不同的工作状态下的信号特征能量作为支持向量机的输入量进行模式识别,实验结果表明支持向量机能很好地识别出作动器正常与不同的故障状态,得到预期的故障诊断结果。　　 本研究首次将小波形态滤波算法应用于作动器输出信号的消噪过程中,并采用经验模式分解和支持向量机方法对作动器的不同信号进行信号特征提取与分类,仿真结果表明利用小波形态滤波、经验模式分解及支持向量机等方法相结合的故障诊断手段,能有效的对作动器的不同信号进行分类与识别,具有良好的应用前景。