从飞控传感器数据中提取故障特征,并借助故障诊断诊断算法构建飞控健康管理系统,实现飞控系统的故障诊断,对提高飞机维护的效率和对飞机服役时效提升具有重要意义。然而,由于飞控系统越来越复杂,飞控传感器数据量越来越大,飞控系统故障定位越来越难,排故时间越来越长。针对飞控传感器数据量大、故障样本少的特点,本文开展了飞控系统健康管理相关技术研究,深入研究了飞控传感器故障诊断算法,主要研究内容如下:（1）针对故障小样本的飞控传感器数据集,提出Conditional-CGAN小样本数据集故障诊断算法。算法由Conditional-GAN生成对抗网络和故障诊断分类器两部分组成,Conditional-GAN充分利用有限传感器故障样本中的有用信息生成故障样本,扩充数据集。故障诊断分类器利用扩充后的数据集进行故障诊断,同时利用故障诊断误差优化生成器的训练。然后,设计了一种融合生成器,判别器和分类器的训练机制,实现了故障诊断模型和数据生成模型的联合优化,建立一个具有较高精度的小样本飞控传感器数据故障诊断模型。（2）针对无标签的飞控传感器数据集,提出Transformer-GAN的无监督故障诊断算法。算法以生成对抗网络GAN为框架,以Transformer编解码模块为基础模块搭建生成器和判别器,充分利用自注意力机制,通过改进的位置编码和损失函数,捕捉数据之前潜在的时间空间特征。该算法仅使用正常数据作为训练集,利用生成器的对输入数据的重构误差和判别器对生成数据判别结果来综合判定飞控传感器数据中存在的故障。（3）基于本文所研究的算法,设计实现了一套飞行控制系统传感器故障诊断软件。并在软件上开展了实际工程验证,对飞控故障诊断软件的功能和故障诊断的准确率进行实验测试,测试结果表明,本文算法具有较好故障诊断性能。