В связи с развитием технологий интеллектуального анализа больших данных и необходимостью решения актуальной задачи повышения безопасности авиационнотранспортных систем перспективным направлением научных исследований является применение методов машинного обучения для оценки технического состояния узлов и агрегатов летательных аппаратов (ЛА). Свойства методов машинного обучения, позволяющие находить трудно формализуемые закономерности в эмпирических данных и формировать выводы, предлагается использовать для создания систем диагностики ЛА, повышающих свои характеристики по мере накопления практического опыта. В работе проведен анализ подходов и методов, которые могут применяться для мониторинга электромеханических агрегатов (ЭМА), получивших широкое распространение при создании ЛА, характеризующихся высокой степенью электрификации. На основе этого анализа разработаны модели интеграции, отражающие группировку, иерархию, взаимосвязи, последовательность применения методов и алгоритмов обработки данных в системах диагностики, основанных на машинном обучении. Разработанные модели успешно опробованы при синтезе алгоритмов оценки технического состояния электромеханического привода ЛА самолетного типа.
