针对小型无人机具有高机动性，故障频率高且难以实时检测的特点，本文提出了利用最小二乘支持向量机（LS_SVM）结合主元分析（PCA）的方法对小型无人机角速率传感器常见的故障进行诊断，并且对故障传感器进行信号重构。文中以具有非线性6自由度的Aerosonde无人机仿真模型作为研究对象，在simulink环境下加入故障模型与故障诊断模型进行仿真实验。本研究的目的是保证小型无人机机载传感器发生故障时，能够快速的诊断出故障，同时对故障的传感器进行信号重构，使无人机在安全的性能范围内继续飞行。最小二乘支持向量机（LS_SVM）具有拟合精度高，诊断快速灵活的特点，它可以对传感器的输出建立预测模型。模型采用离线训练，在线应用的方法，通过残差实时检测传感器故障。由于角速率传感器的测量信号用于反馈控制、导航计算或对系统状态进行监控，传感器之间的输出信号具有一定相关性，LS_SVM很难将故障分离出来。本文利用主元分析法（PCA）对系统异常数据很敏感的特点，将故障的传感器进行分离。将这两种相结合的故障诊断方法应用于小型无人机传感器，可以弥补两种方法的不足之处，使整个检测系统的运行更加高效与精确。根据诊断结果，利用LS_SVM估计值取代故障信号。通过仿真结果可以看出，该方法对无人机传感器故障诊断具有较理想的效果，同时重构精度非常高，保证小型无人机能够继续安全的飞行，证明了该方法具有很高的可靠性和稳定性。