近年无人机作业安全保障问题面临着严峻挑战，确保无人机安全作业至关重要。传统的无人机故障诊断方法具有容易造成知识浪费等问题，已逐渐无法满足日益复杂的工作需求，基于新兴研究热点的知识图谱，充分利用无人机先验知识进行故障诊断，可实现组件关联诊断并依靠专家知识实现诊断结果的可解释性。目前面向故障诊断知识图谱的研究较少，通常采用“预训练”模型解决深度学习模型训练的数据不足且问题，但这种方法应用场景限制较大，且不能为后续研究者提供有价值可参考的训练样本。以无人机故障维修手册为主要数据，提出一种基于远程监督的机标人校数据标注方法，获得数量可观、标注精确的无人机故障语料库，并根据数据结构特点结合基于规则和BiLSTM-CRF网络的知识抽取方法，实验证明实体抽取效果良好。基于无人机故障诊断本体完成无人机故障诊断知识图谱的构建，通过Neo4j进行存储及可视化展示，并搭建无人机系统故障的智能问答系统，为无人机故障提供有理有据的精准诊断，证明了知识图谱在故障诊断领域的有效性，为基于知识图谱的故障诊断体系构建提供科学依据。