航空发动机气路故障诊断技术可有效地降低发动机维修成本、保证飞行安全。本文以某型涡扇发动机部件级模型为研究对象,针对涡扇发动机气路健康参数的滤波估计问题,研究了非线性滤波的气路健康参数估计方法,对航空发动机气路部件进行健康诊断。首先介绍了扩展卡尔曼滤波(EKF)算法及其在发动机气路故障诊断中的应用,讨论了EKF算法中雅克比矩阵A、C,系统噪声协方差阵Q和量测噪声协方差阵R的变化对健康参数估计效果的影响。为了将反映发动机健康状态的先验知识引入至健康参数估计中,以提高估计精度,本文研究了非线性滤波算法EKF的改进算法,将先验知识转化为对健康参数的不等式约束,然后在EKF中引入最小均方差和概率密度截断,其中最小均方差的思想是求解最小化条件均方差函数,同时运用拉格朗日乘子法将不等式约束引入待求方程,而概率密度截断求解则是将先验不等式约束条件转化为概率密度函数形式,并获得标准正态分布函数。针对实际发动机上可用传感器测量参数少于待估计健康参数的问题,本文提出了健康参数线性组合的非线性滤波方法,其主要思想为最小化扩展卡尔曼滤波器的估计误差,进而通过最小二乘法优化得到变换矩阵,然后通过变换矩阵对发动机健康参数进行变换,得到一组低维数的中间参数向量,通过扩展卡尔曼滤波算法对其进行估计,然后经还原变换得到原健康参数的估计值,从而解决不确定性健康参数估计问题。为了验证EKF滤波及其改进算法的有效性,最后在基于Lab VIEW开发环境与CRIO嵌入式控制器的发动机气路故障诊断快速原型仿真验证平台上,开展了最小均方差和概率密度截断EKF算法以及不确定性EKF算法的硬件在回路的快速仿真验证研究。