针对南极望远镜驱动系统的非预期故障检测存在先验信息不足、故障特征难确定和故障样本少等问题，提出一种基于支持向量机(support vector machine, SVM)的非预期故障检测方法。以南极望远镜驱动系统为实验平台故障植入，采集的数据中心化和标准化预处理。基于KNN(K-nearest neighbor)、K-means、BP(back propagation)神经网络和SVM算法建立4种非预期故障检测分类器，将各个算法参数调优，再根据数据特征预测分类。实验结果表明：在相同的实验条件下，基于SVM算法的非预期故障检测分类器性能优于其他3种分类器性能。将该类方法应用于半实物仿真平台，验证该算法可行、有效。