航空发动机气路部件故障诊断技术,是实现系统视情维护,降低飞行成本,确保系统可靠性的关键,对其进行研究具有很重要的意义。本文主要研究了基于数据驱动技术和基于证据理论融合的涡扇发动机气路故障诊断技术。论文的主要内容如下:一、介绍了论文的研究背景和意义,梳理了国外和国内发动机故障诊断研究在理论以及实际应用的现状,列举了一些涡扇气路故障诊断方法,对故障类别、原因及特征进行了分析。二、设计了基于决策信息融合的涡扇发动机气路部件故障诊断系统。针对神经网络算法存在故障分类精度不高,训练速度慢,以及“节点难以确定、陷入局部极值和收敛速度慢”等缺陷,本文通过引入动量因子对BP神经网络进行改进。利用改进BP神经网络和支持向量机分别对航空发动机气路部件故障进行初步诊断,并将诊断结果作为决策层诊断的证据体。三、根据发动机测量参数和发动机故障特点,构造识别框架确定故障征兆。结合改进BP神经网络和支持向量机特点提出新的基本概率函数分配方法,制定决策规则。在决策层对飞机发动机气路故障进行诊断研究。最后对决策信息融合诊断算法进行抗干扰性验证。试验验证了决策信息融合诊断算法正确性,为涡扇发动机气路故障诊断提供一种可靠的、准确的诊断方法。能够满足涡扇发动机实际诊断任务需要。