随着航空事业的蓬勃发展，飞行器的运行可靠性问题也越来越受到人们的重视；一旦发生航空事故，轻则影响飞机的正常运行，重则机毁人亡，将会给人民的生命财产造成重大损失。航空发动机被喻为飞机的“心脏”，其重要性就不言而喻；其核心零部件转子系统的无故障运行就显得格外重要。据不完全统计，40%左右的飞行事故是由发动机故障造成的，而其中30%的机械故障是由转子系统的故障造成的。因此，对航空发动机转子系统的故障诊断方法的研究便具有重要的社会和经济效益。由于基于小波分析的聚类分析方法（简称小波聚类算法）具有对数据对象的输入先后顺序不敏感、聚类结果不受噪声影响、可以在不同精度上发现任意形状的类、运行速度快，且不需要关于类数量的先验知识等优势；因此，论文在深入研究小波聚类算法的基础上，提出了基于小波聚类的航空发动机转子系统故障诊断方法。论文首先介绍了聚类方法的研究现状，通过对常用的聚类算法性能进行比较，给出选择小波聚类算法的理由，并对小波聚类算法的国内外研究现状进行了简要介绍。其次，在对航空发动机的原理和类型的介绍基础上，引出发动机的常见故障，再详细介绍发动机常见的四种转子故障（即：转子不对中、转子不平衡、转子动静件碰摩、转子支承松动）的故障原因和特征。然后，在详细介绍小波聚类算法的基础上，对算法中遇到的难点进行了分析。最后，运用转子故障数据来验证小波聚类算法在航空发动机转子系统故障诊断研究中的可行性及有效性；其中，在量化特征空间过程中，运用了基于经验公式与启发式相结合的方法来解决MAUP问题，计算结果表明：该方法能够快速确定最优的量化结果；在寻找连通单元过程中，将2维特征空间中的4-connection相连定义推广到d维特征空间中，并且成功的运用到8维特征空间中。最终的计算结果表明：基于小波聚类的航空发动机转子系统的故障诊断方法是非常有效的，能够很好地将转子故障数据归到相应的转子故障类中。