航空发动机建模以及基于模型的航空发动机气路故障诊断等是航空发动机领域的重要研究方向。本文从快速简单、准确实用的角度出发，研究了发动机动态模型的BP、RBF神经网络及小波神经网络的建模方法，同时应用小波分析、小波神经络来诊断发动机气路故障，最后对本文进行了总结以及展望小波变换的相关知识在航空发动机建模与故障诊断中的应用。主要内容如下： (1)首先探讨了发动机建模原理及其实现方法，介绍了解析法与实验测定法，从神经网络对模型的辨识引出了小波神经网络建立模型的观点。 (2)回顾了BP及RBF神经网络的原理，再应用它们对航空发动机进行辨识建模研究，并就两种网络的训练速度、精度及泛化能力等方面做了比较与探讨。 (3)研究了小波变换与小波神经网络的原理，编程实现了多输入单输出(MISO)小波神经网络，并把多输入单输出小波网络并联组合实现了多输入多输出(MIMO)的小波神经网络。 (4)用MIMO小波神经网络建立了航空发动机的动态模型。根据仿真数据验证模型，与前面BP及RBF神经网络得到的模型各方面做比较，结果表明模型泛化能力强、精度高，具有一定的实用价值。 (5)继续应用小波变换技术及前面建立的小波神经网络来诊断发动机的气路故障。对单故障与复合故障的诊断分别进行了研究，结果表明应用小波神经网络对故障的定性诊断具有较高的正确诊断率。 (6)总结全文，展望小波变换相关的知识在航空发动机建模方面的应用。