航空发动机是由多个部件组成的大型复杂非线性系统,需要在复杂恶劣的条件和工况下工作,很容易发生故障,造成飞行事故。因此,对航空发动机进行状态监测和故障诊断是很有必要的,通过状态监测,及时了解发动机的状态,及时进行维护和整修,可以减少故障的发生,提高发动机的安全性和经济性。本文重点研究了基于数据的航空发动机气路故障诊断方法,在Matlab环境下建立了基于数据的航空发动机气路故障诊断模型。首先,将相关向量机(RVM)理论引入到航空发动机气路故障诊断领域,对相关向量机的性能进行分析,利用相关向量机建立了航空发动机的二元分类和多分类气路故障诊断模型,并与支持向量机(SVM)的诊断结果进行对比研究。然后,研究基于多分类相关向量机(M-RVM)的航空发动机故障诊断方法,该方法不需构造多个二元分类器,可直接实现航空发动机的多分类故障诊断问题。在Matlab环境下建立了基于M-RVM的航空发动机故障诊断模型,并与基于相关向量机(RVM)的故障诊断模型进行对比研究。最后,研究基于融合方法的航空发动机气路故障诊断技术。针对RBF人工神经网络的不足,将相关向量机和RBF神经网络结合起来应用于航空发动机气路故障诊断研究,利用相关向量机确定故障类型和故障位置,然后利用RBF神经网络对故障部件的健康参数进行估计,并与单一RBF神经网络方法的诊断结果进行对比研究。