【摘要】针对航空舵机生产检测过程中故障样本获取困难、人工判读效率低以及传统监督学习方法依赖大量故障数据的问题，本文提出了一种基于自动测试平台运行数据的航空舵机次品智能筛查方法。依托某型航空舵机综合测试平台，在规定工况下采集舵机运行过程中的电流、电压、响应时间、跟踪误差、稳态误差等 12 维性能参数，构建反映舵机工作状态的运行数据集。采用单类支持向量机（OCSVM）建立合格舵机正常状态模型，仅利用 499 组正常样本完成模型训练，并通过 100 组正常样本和 100 组故障样本进行验证。结果表明，所提方法对合格产品的识别率达到 93.0%，对故障产品的识别率达到 90.0%，综合准确率达到 91.6%。相比传统人工阈值判定方式，该方法能够自动完成异常产品识别，减少人为经验依赖，提高批量检测的一致性和效率。研究结果表明，该方法适用于故障样本稀缺条件下的航空舵机生产质量筛查与设备状态监测，可为舵机自动化检测和智能运维提供数据驱动的工程化解决方案。