Перспективным направлением научных исследований является создание обучающихся систем ранней диагностики на основе технологий интеллектуального анализа данных для обеспечения безопасности эксплуатации летательных аппаратов. Предлагается алгоритм, позволяющий анализировать техническое состояние электромеханического привода рулевой поверхности беспилотного летательного аппарата с использованием моделей машинного обучения, предназначенных для обнаружения аномалий. Эти модели решают известную задачу обнаружения новизны в наблюдаемых данных, которая интерпретируется как неисправность контролируемого объекта. Вычислительные эксперименты проведены на данных, полученных в результате моделирования работы электромеханического привода. Рассмотрены три вида неисправностей: совокупный люфт редуктора, сухое трение, вязкое трение. Описан способ разделения данных на обучающую и тестовые выборки. Выбрана архитектура полносвязной нейронной сети типа автокодировщик для решения задачи обнаружения аномалий. Рассмотрены вопросы выделения диагностических признаков и описана методология их извлечения из временных рядов. Приведены оценки эффективности разработанного алгоритма диагностики на разных видах тестовых выборок и выполнен анализ полученных результатов