发动机状态评估是以先进的状态监视手段、可靠的评价手段和寿命预测手段来判断当前实际工作状况;发动机故障诊断是以可靠的诊断手段来判断故障的部位、严重程度、发展趋势,识别故障的早期征兆.作为发动机状态监控的重要组成部分,发动机的状态评估与故障诊断十分重要.该文的主要研究内容是在广泛参阅国内外有关资料文献的基础上,结合现代人工智能技术中的神经网络技术、遗传算法等理论,运用面向对象的程序开发语言VB6.0以及Microsoft Office中的EXCEL软件开发完成发动机状态评估与诊断系统的主要运算程序,能够在Windows98、Windows2000等操作系统平台上运行,操作简洁明了,便于维护和维承.该文的发动机状态评估与诊断系统主要是利用发动机厂家提供的监视软件的输出结果,综合总结以往飞机正常飞行中所有的发动机工作参数,建立发动机健康状态模型;并初不给出发动机的性能衰退模型.同时利用发动机生产厂商提供的典型故障模式指印图,建立发动机仪表、传感器故障诊断模型和发动机本体故障诊断模型.其中以PW4077D发动机为例,建立了发动机的性能衰退模型.该模型可以用来预测发动机EGT的变化情况和EGT裕度,以反映发动机的状态.同时实现了PW4077D发动机传感器/仪表指示故障诊断模型和发动机本体故障诊断模型的建立.这实际是一种基于神经网络的故障诊断专家系统.系统的知识是通过网络的连接权值来反映的,并且能够实现动态建模.通过对PW4077发动机的实例,验证了发动机状态评估与诊断系统的可行性.并具有一定的实用推广价值,值得在实际的飞机/发动机监控工作中继续改进、完善.该系统运用遗传算法、神经网络与发动机生产厂商提供的知识相结合,取得了较好的效果.系统具有较强的实用性和拓展性,能实现对多种类型的发动机的性能检测,可对系统知识库进行更新,可用于实际的诊断工作.可以收集所有型号的发动机故障模式指印图,利用神经网络建立发动机故障知识库:即分别建立不同型号发动机的网络结构和连接权值文件,实现多个诊断.