航空发动机作为飞机的一个重要组成部分,担任着为航空器提供推力和支持力的任务,具有结构复杂和高速旋转等特点,其稳定性能对于飞行任务的成功与否起到决定性作用。由于现代航空技术的不断发展,航空发动机的性能逐渐提高,对工作条件和结构强度这两项的要求也日益增加,从而导致航空发动机出现振动故障的情况明显增多。由此可以表明航空发动机故障诊断的重要性。因此,采取有效控制手段减少发动机振动故障并制定合理措施有效排除振动故障,已经成为当前发动机研究工作的重点之一。频谱分析是航空发动机故障诊断中使用的较为广泛的现代信号处理方法之一。简单的FFT就可以直接对振动信号进行频谱分析,但是其频率分辨率较低。而小波分析算法具有良好的细化分辨能力,可以对信号进行时段和频段的任意划分,具有更高的频率分辨率。本文根据激起航空发动机振动的力和因素多、振动现象复杂等特点,研究了发动机振动的机理和模型。针对采集信号过程中参杂的噪声,通过去噪仿真,对去噪方法进行分析比较,选择适合的去噪方法。并对航空发动机振动信号特征提取采用小波分析理论进行研究,对不同工作状态下的振动信号做频谱分析和小波包能量谱的仿真,选择合适的小波函数和最佳分解层数。在频谱分析基础上,利用离散小波变换和连续小波变换构建特征量的方法对常见的航空发动机的工作状态构建特征向量,并建立小波分析与神经网络相结合的航空发动机故障诊断模型。最后,使用所建立的故障诊断模型对某型航空发动机振动故障实例进行诊断分析,验证所设计的故障诊断方法的有效性和实用性。