航空发电机作为飞机主电源系统中的关键设备,其地位正在日益突显。近些年来,因航空发电机故障所引起的航空事故时有发生,引发了人们对航空发电机可靠性研究的关注。旋转整流器是航空发电机中的关键部件,且是易损坏的部件之一。因此,基于飞机安全性与经济性考虑,开展航空发电机旋转整流器故障诊断技术研究,从而保证飞机安全可靠地飞行,具有重要的现实意义和实用价值。本文主要从理论和实验两个方面展开研究,具体研究内容如下:(1)首先,对航空旋转整流器故障特征提取方法进行了理论研究,针对目前故障特征提取方法需要依靠大量信号处理技术和领域专家丰富的工程经验的问题,将深度学习理论应用于旋转整流器故障特征提取领域中,利用堆栈自动编码器模型进行自适应故障特征提取;(2)其次,针对目前堆栈自动编码器的网络结构难以确定的难题,提出了基于灰色关联度分析的堆栈自动编码器网络结构确定方法,可以自适应地确立网络结构;(3)再次,对航空旋转整流器故障模式分类方法进行了研究,针对传统故障分类方法诊断速度慢的问题,引入了极限学习机算法;并且针对常规极限学习机的不足,提出了基于遗传算法优化的极限学习机算法;(4)最后,建立了航空三级式发电机的仿真模型以及一个故障模拟实验平台,进行了旋转整流器故障仿真和实验研究,对所提算法进行验证、分析和总结。