起动电机是航空发动机起动系统的核心部分,对其进行早期的故障检测可以有效阻止灾难发生,具有重大意义。然而,目前的航空发动机关键部件故障诊断研究还存在着数据量不足、试验周期长等问题。为了克服这些技术瓶颈,本文在起动电机仿真及故障诊断方面做出了创新性的研究。首先,利用有限元仿真软件Maxwell和Simplorer构建航空发动机起动电机仿真模型。通过分析起动电机故障诊断的研究现状,深入研究了故障率较高的六种典型故障的发生机理,并建立了不同故障状态下的起动电机仿真模型。其次,提出了基于多尺度主元分析(MSPCA)的故障检测方法,并进行了仿真验证。然后,以HH变换为分析工具,对仿真数据进行EMD分解、Hilbert谱分析。在此基础上,提出了基于HH变换的光滑伪维格纳分布,对不同状态下的定子相电流信号进行了特征提取,并总结出了时频特征随故障程度的变化规律。最后,提出了混沌粒子群优化的BP神经网络算法,实现了起动电机的故障诊断和定位。仿真试验表明:基于Maxwell和Simplorer的仿真模型具有较高的精度,基于HH变换的SPWVD和CPSO-BP算法较传统算法而言具有明显优势,为解决航空发动机关键部件故障诊断研究中存在的突出问题提供了新的思路,具有很好的科研价值和广阔的应用前景。