Las futuras generaciones de sistemas de control de vuelo, como los de vehículos autónomos no tripulados (UAV), probablemente serán más adaptativos e inteligentes para hacer frente a los requisitos adicionales de seguridad y fiabilidad debido a las operaciones sin piloto. Un sistema eficiente de detección y aislamiento de fallos (FDI) es fundamental y debe ser capaz de monitorear el estado de salud de una aeronave. Históricamente, se han utilizado técnicas de redundancia de hardware para detectar fallos. Sin embargo, duplicar los actuadores en un UAV no es ideal debido al alto costo y la gran masa de componentes adicionales. Afortunadamente, los fallos de los actuadores de aeronaves también se pueden detectar utilizando técnicas de redundancia analítica. En este estudio, se ha diseñado un algoritmo basado en datos utilizando Máquinas de Vectores de Soporte (SVM). El fallo del actuador de la aeronave investigado es el fallo de pérdida de efectividad (LOE). El objetivo del algoritmo de detección de fallos es clasificar los datos del vector de características en una clase nominal o defectuosa según la salud del actuador. Los resultados muestran que el algoritmo SVM detecta el fallo LOE casi instantáneamente, con una precisión promedio del 99%.