航空发动机健康管理作为提高航空发动机可靠性、可用性与安全性的重要手段之一，一直是航空制造业、运输业和维修业共同关注的热点问题。为了方便后人对航空发动机健康管理系统架构进行探索，并对健康管理相关算法进行仿真验证，本文针对航空发动机健康管理系统，设计并构造了一个航空发动机健康管理系统数字仿真平台，并在建立了某型发动机退化模型的基础上，在平台上设计与验证了部分航空发动机健康管理算法。论文主要工作内容如下：
　　首先，开展航空发动机健康管理系统需求分析和构架设计的研究。通过文献调研，对航空发动机健康管理系统进行需求定义，对航空发动机健康管理系统数字仿真平台进行具体需求分析，并以此为基础，结合课题组实际情况和硬件水平，将需求进行进一步分解，根据仿真平台需求分解，采用典型C/S软件架构，将系统定义为机载、地面和用户终端健康管理子系统，并对整体软件功能架构进行了定义；
　　然后，开展健康管理系统关键算法的研究。首先建立JT9D 部件级模型，并在测绘 NASA公开文献和数据的基础上，建立 JT9D 发动机退化模型，对航空发动机健康管理系统的算法进行需求与功能分析，提出基于卷积神经网络（Convolutional Neural Network, CNN）的航空发动机故障诊断算法和基于长短期记忆神经网络（Long Short-Term Memory, LSTM）的剩余寿命预估算法，并对算法进行了验证和结果分析。
　　其次，进行健康管理系统仿真平台各子系统设计与实现的工作。设计仿真平台的网络数据链构架，并分别对机载、地面和用户终端健康管理仿真子系统进行构架设计，决定各子系统中数据管理、算法集成、软件架构和数据储存等关键技术路径，为各个子系统的实现提供解决方案，并完成各个子系统具体的编码工作；
　　最后，进行健康管理系统仿真平台与算法集成验证的工作。在硬件在环仿真平台上验证机载健康管理仿真子系统，在某商用云服务器上验证地面健康管理仿真子系统，在 PC 端和移动终端验证用户终端健康管理仿真子系统的各项功能，然后验证传感器故障诊断算法、发动机剩余寿命预估算法和故障报警等功能，集成所有子系统，对照定义的需求对发动机健康管理仿真系统进行整体验证。