发动机作为动力机械的“心脏”,是保障设备运行安全的关键,它较为集中的体现了一个国家的制造业和工业化水平。发动机一般处于高温、高压、重载荷的恶劣环境下,其能否安全稳定的运行势必影响到设备整体的性能安全。为此,需要借助状态监测方法对发动机的健康状况进行实时评估,根据评估结果采取应对措施。针对传统发动机健康监测方法的局限性,本文提出应用声发射技术对发动机进行健康监测。利用声发射技术,分别开展了发动机进气失稳实验研究和发动机加速过程加速实验监测研究这两项实验研究,并同时应用振动监测技术进行了对比分析。在发动机进气失稳研究中发现,利用幅值、信号强度、有效值电压、平均信号电平等声发射参数可有效的识别发动机进气失稳状态。随着进气失稳的不断恶化,当失稳范围较轻时声发射监测技术即可做出响应,而振动技术只有在失稳范围超过一定数值时才做出响应,证明了声发射技术对于识别发动机进气失稳的敏感性。为发动机的健康监测提供了新途径。此外,在对失稳信号进行基于小波包分解和BP神经网络的智能处理中发现,此方法对故障识别准确度较高,可作为发动机故障分类的判别依据,为建立发动机故障处理云平台提供了新思路。在对发动机加速性能实验的监测研究中发现,随着发动机转速的不断增大,声发射参数随之增大,声发射信号主要频率成分逐渐简单化,信号能量不断向高频部分转移。