航空发动机向来被视为飞机的“心脏”,其是否能正常运行直接影响着飞机的飞行安全。但由于发动机自身工作环境的影响(高温、高压、大应力),很难保证其使用的可靠性。为了对航空发动机进行及时、准确、高效地故障诊断,保证飞机的飞行安全,本文提出了一种智能故障诊断方法。本文针对某型航空发动机关键系统(滑油系统)展开智能故障诊断方法研究。首先通过航空发动机健康诊断试验平台获取珍贵的试验数据,采用一致性融合方法对所获取的原始数据进行数据预处理,使融合后的数据既能保留原始数据的细节信息又能去除噪声和冗余信息。同时在深入分析健康表征参数的基础上,运用动态主元分析提取具有较高故障识别分辨率的特征信息。在此基础之上,针对航空发动机滑油系统多故障模式且数据非线性的特点,本文将支持向量机理论分别与径向基核函数、多项式核函数和线性核函数相结合,将样本的特征向量从低维空间映射到高维空间,使样本在高维空间线性可分。结合概率投票策略理论对所建立的诊断模型/算法进一步改进,有效的解决了支持向量机在处理分类时易产生拒分类的问题。试验研究表明,改进后的支持向量机故障诊断方法可以有效避免拒分类情况出现,从而进一步提高了故障诊断准确率。最后,本文运用多源信息融合中证据理论的方法将基于不同核函数的改进支持向量机故障诊断结果进行了决策融合。试验结果表明,决策层融合能有效提高航空发动机滑油系统故障诊断的准确性。本文所设计的故障诊断算法可以对航空发动机进行准确的故障诊断,达到了预期的研究目标。