随着无人机的迅速发展,无人机导航系统的故障检测技术变得相当重要。借助于故障检测技术,可以提高无人机的安全可靠性。和其他的对象相比,无人机导航系统的故障数据非常少,是一个典型的小样本学习问题,如何通过有限的数据来保证足够的故障检测率是值得研究的问题。本文通过将支持向量机方法应用于无人机导航系统的故障检测,最终可以在较少训练数据的情况下,较好的完成故障检测任务。本文针对无人机导航系统的故障检测方法进行研究,主要的工作如下:一、基于某型无人机导航系统的组成,对其中的相关传感器的工作原理进行了全面了解,在对它们详细分析的基础上,建立了相应的误差模型及常见故障类型,为后面分类器的构建提供基础。二、考虑到在样本有限时传统故障诊断方法易出现局部最优解等缺陷,将支持向量机算法引入到无人机导航系统的故障检测中。结合无人机导航系统实际,基于多类分类器的思想,运用二叉支持向量机将无人机导航系统的工作状况进行了分类构建,通过相关算法对无人机导航系统的运行数据进行了训练学习,提高了特征检测的准确度和快速性。三、由于支持向量机算法中参数的选择会极大的影响到性能,不合理的参数设计会造成诊断过程出现较大的误差,本文对传统支持向量机算法做出了一些改进,对关键参数的选取引入了蚁群算法进行优化,使其更有针对性,减少了盲目性。四、根据实验验证的需求,设计了相应的硬件及软件。搭建了半实物验证平台并在其基础上验证了软件的兼容性。设计了故障模拟器及相应的装置以构建故障环境,并在其基础上搭建了相应的故障实验验证平台,实验结果验证了检测方法的合理性与有效性。