航空装备在飞机中数量较多,不同设备下的故障检测过程中,进行航空装备故障决策时,决策过程需要依赖较多的动态多源故障信息数据,但在发生故障时,不同装备的故障特征数据起伏不同,差异较大。传统贝叶斯网络的设备故障检测模型,多是在已知某一个或多个部件稳定状态下完成,一旦信息起伏较大,则故障决策过程会陷入反复验证的弊端,无法达到最佳的故障检测效果。提出一种基于UML建模的航空装备故障检测决策模型,对航空装备故障特征分析的基础上,采用UML对航空装备故障检测决策过程进行建模,给出了模型的需求分析,构建模型的用例图、类图以及活动图,塑造了模型的静态模型和动态模型,UML模型通过基于免疫识别神经网络模型实现航空装备故障的检测,检测模型依据免疫识别原理塑造神经网络检测器,通过训练将航空装备的故障模式信息保存在分布的检测器中,通过检测器采集被检测装备异常模式特征,当检测器同特征样本匹配时激活检测器,按照检测器的激活状态发现设备故障,完成航空装备故障的检测。实验结果说明,所提方法对航空设备故障信号检测具有较高的灵敏度和分辨率。