在航空发动机的故障中,滑油系统的故障占据了很大一部分,针对当前滑油系统的故障诊断数据匮乏、定性模糊、鲜有定量的特点,研究滑油系统的故障诊断,以方便获取故障数据,在故障时刻及时作出判断,或者在故障形成之前作出预测,对于保障航空发动机的安全运行具有很重要的意义。以某型航空发动机为研究对象,使用改进支持向量机实现了滑油系统的故障诊断。论文的具体研究内容如下:(1)研究了某型航空发动机滑油系统的构造,然后根据调研数据选取了滑油系统的四大典型故障,并对其故障成因进行了逐一分析。(2)根据故障的分析结果,建立了典型故障的贝叶斯网络模型。然后以滑油消耗量大这一故障为例,选用贝叶斯网络的精确推理算法——Hugin算法进行推理。最后结合三种部件重要度的评价方法,筛选出了故障成因中的重要基本事件。(3)因为航空发动机滑油供油系统与回油系统具有相似性,因此仅以供油系统为例,使用AMESim软件建立了供油系统的模型。然后将上文筛选出的重要基本事件在AMESim模型中进行故障仿真,得到了故障与故障特征参数之间的映射关系,即故障数据。(4)首先,使用支持向量机建立滑油系统的故障诊断模型。然后,提出了一种支持向量机在分类问题上的平均影响值计算方法——“平均距离计算法”。并将该方法用于故障数据的降维,并通过与主元分析法对比,证明了该方法的正确性。为了提升故障诊断的精确率,引入蚱蜢优化算法,优化支持向量机的惩罚因子C和高斯核参数g,使故障诊断模型的精度提升至97.5%。