舵机是导弹、飞行器和船舶在运动过程中控制航行的执行机构,在航向的控制中起着重要的作用,舵机的故障状态和性能直接决定着航行时的动态品质。随着人工智能技术和航空航天技术的不断发展,对舵机的精确测试有了智能化发展的需求。因此,舵机智能化故障诊断方法是一项顺应发展趋势且具有实际意义的重要研究内容。舵机的测试方法和测试设备早在上世纪就有学者开始研究,目前传统的自动化舵机测试方法已经能够较为精确的测试舵机的各项性能参数,但测试后的性能参数需要人为的判断决策,其数据分析和人工决策过程费时费力,随着科技的进步,舵机测试装备开始朝着智能化的方向发展。文章以实际工程为背景,主要目的是推进舵机测试设备的智能化进程,利用机器学习技术对传统舵机测试设备测试后的舵机性能参数进行训练及学习,通过构建及优化学习模型实现舵机的故障定位和次品筛查。文章首先介绍了传统舵机测试设备的构成及测试方法,提出了智能化测试设备的设计思路与常用算法。其次对数据进行了预处理,使得数据清晰完整且对各类分类算法更具普适性。最后分别实现了舵机的故障定位和次品筛查,其中,故障定位利用数据量及数据类别丰富的多类舵机数据集,采用随机森林算法对训练集数据进行学习,并采用混合蛙跳算法对其进行多权重加权优化以提升分类器性能,实验通过交叉验证、准确率与召回率和基于混淆矩阵的Kappa系数等指标对分类器性能做出综合评估;次品筛查利用只含有合格数据的单类数据集,采用单类支持向量机算法训练舵机数据,分类器性能通过交叉验证和复合正确率来评估。舵机的智能化故障诊断和次品筛查融合了人工智能机器学习技术、计算机算法和仪器与测试科学等领域知识,推进了传统舵机测试设备的智能化,减少了重复繁杂的人工观测,节约了人力与时间。该智能化故障筛查方法的准确率可以达到基本的测试要求。