一种飞行器多尺度信号的分类识别与故障检测方法,其中，将历史数据和实时数据输入多尺度残差卷积网络网络，得到飞行器信号的特征提取，将深层特征送入分类算法，得到分类结果。特征提取时，含有标签的飞行器信号样本被送入深度神经元卷积网络模块，对输出的信号特征图施加输入分类算法，利用其结果更新传播参数。在多尺度残差卷积模块，输入原始特征，用尺度判断模块感知不同尺度特征，当开始进行信号分类和识别时，设定分类算法的神经网络参数，输入之前通过多尺度残差膨胀卷积模块提取的信号特征，该方法有效解决了提取浅层特征、梯度消失、特征尺度单一等问题，显著提升了飞行器多尺度信号分类和识别的准确率。