Basado en modelos mixtos y orientados a datos, este estudio propone un método de detección de fallas para los sistemas de timón de vehículos submarinos autónomos (AUV). El método propuesto puede detectar efectivamente fallas en ausencia de retroalimentación de ángulo del timón. Considerando la incertidumbre de los parámetros del modelo de movimiento del AUV resultante del método de análisis dinámico, presentamos un método de identificación de parámetros basado en redes neuronales recurrentes (RNN). Antes de la identificación, se eligió la descomposición en valores singulares (SVD) para eliminar el ruido de los datos originales del sensor como paso de pretratamiento de datos. El método propuesto proporciona predicciones más precisas que los mínimos cuadrados recursivos (RLS) y una sola RNN. Con el fin de reducir la influencia de los errores de parámetros del sensor y los errores del modelo de predicción, se menciona el umbral adaptativo como un método para analizar los errores de predicción. Mientras tanto, los resultados del análisis de umbrales se combinaron con el análisis de fuerzas cualitativas para determinar el diagnóstico y la localización de fallas del sistema de timón. Los experimentos realizados en el mar demuestran la viabilidad y efectividad del método propuesto.