Предлагается алгоритм, позволяющий анализировать техническое состояние электромеханического привода рулевой поверхности беспилотного летательного аппарата с использованием моделей машинного обучения, предназначенных для обнаружения аномалий и решающих 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 неисправности, 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.