飞机发动机作为飞机的“心脏”,对飞机的飞行安全至关重要,而在飞机发动机发生故障的系统中,滑油系统属于典型的故障易发系统。确保发动机的正常运行,一直成为业界备受关注的焦点。因此,本论文以某型飞机发动机滑油系统为研究对象,采用多种方法对飞机发动机滑油系统进行故障诊断技术研究。论文的主要研究如下:（1）研究飞机发动机状态信息特征提取技术。采用核独立成分分析（KICA）方法提取能较好反映滑油系统状态的特征信息,为后续故障诊断提供有效特征信息。（2）研究基于IGWO-KELM的飞机发动机故障诊断方法。该方法采用两种改进策略改进灰狼优化算法（GWO）,并用改进的灰狼算法（IGWO）优化核极限学习机（KELM）的核参数和正则化系数,对KICA提取后的数据建立IGWO-KELM故障诊断模型,并进行了故障诊断验证技术研究。验证结果表明,该方法可以有效地对发动机滑油系统进行故障诊断。（3）研究基于PSO-DBN-DELM的飞机发动机故障诊断方法。该方法结合深度置信网络（DBN）和极限学习机（ELM）的优点构建了 DBN-DELM网络,同时采用粒子群算法（PSO）优化其隐含层神经元数量。然后直接采用滑油系统监测参数数据建立PSO-DBN-DELM故障诊断模型,并进行了故障诊断验证技术研究。验证结果表明,相较于IGWO-KELM的诊断方法,该方法的诊断性能更好。（4）研究基于D-S证据理论的飞机发动机故障诊断方法。该方法以IGWO-KELM与PSO-DBN-DELM两种故障诊断模型为基础,将两种模型的诊断结果采用D-S证据理论进行决策层融合,得到融合后的诊断结果。研究结果表明,基于D-S证据理论的故障诊断方法可以有效提升故障诊断准确率。（5）分别采用径向基函数网络（RBF）、ELM和广义神经网络（GRNN）三种常用的故障诊断方法,对飞机发动机滑油系统进行了故障诊断技术研究。研究结果表明,本文研究的IGWO-KELM、PSO-DBN-DELM和D-S证据理论的飞机发动机故障诊断模型均优于传统RBF、ELM和GRNN故障诊断模型。验证了本文研究的故障诊断方法的有效性。