Исследуется проблема отбора признаков при построении классификационных моделей для диагностики электромеханических приводов (ЭМП) летательных аппаратов (ЛА). Широкое распространение ЭМП в ЛА с высокой степенью электрификации (электрический самолет, беспилотные ЛА) и необходимость обеспечения безопасности полетов определяет актуальность проведенных исследований. Решение проблемы отбора признаков требуется для снижения размерности анализируемых данных и повышения эффективности алгоритмов оценки технического состояния ЭМП ЛА. В качестве объекта исследования в работе рассматривается сервопривод беспилотного ЛА самолетного типа, который предназначен для отклонения рулевых поверхностей. При этом внимание уделяется наиболее известным встроенным методам и методам фильтрации, которые основаны на упрощенных моделях, позволяющих оценить важность признаков и не требующих значительных вычислительных затрат. Для обеспечения репрезентативности результатов расчетных исследований предварительная обработка анализируемых данных выполняется разнообразными методами извлечения признаков: общего назначения (метод главных компонент, метод ядерных компонент, нейронная сеть "автокодировщик" и т. д.) и спектрального и статистического анализа, учитывающими особенности функционирования электромеханических систем. В качестве методов фильтрации исследуются хи-квадрат-тест, t-test, дисперсионный анализ, алгоритмы поиска корреляционных зависимостей, энтропии информации (information gain), абсолютное отклонение. В качестве встроенных методов, включенных в методы машинного обучения, исследуются решающее дерево, случайный лес, ридж-регрессия, расширенный метод решающего дерева. Так как выбранные признаки при совместном использовании должны нести максимум информации для решения классификационной задачи, дополнительно используется процедура исключения коррелированных признаков. В работе приводятся результаты сравнения методов отбора признаков на данных, полученных в результате математического моделирования работы сервопривода беспилотного ЛА в различных технических состояниях. Выделены методы, показавшие наибольшую точность по F1-мере при формировании оценки технического состояния контролируемого объекта на основе анализа значений измеряемых сигналов.