民用航空发动机液压管路是发动机外部环绕的附属系统,其主要为飞行器的执行机构提供动力输送的作用。由于液压管路受液压泵源流体和液压管路固体的耦合作用,同时液压管路结构十分复杂,导致液压管路经常由于振动问题引起多类故障,并且液压管路故障易引起液压管路系统毁坏,严重时甚至影响整个发动机无法工作。由于民用航空发动机在实际工作时会产生大量的定频干扰信号以及强大的噪声干扰信号,导致液压管路振动信号受干扰信号的影响,从而很难发现液压管路振动信号的故障特征。因此,本文提出了基于自注意力机制和双向门控循环单元（Self Attention mechanism and Bidirectional Gated Recurrent Unit,A-Bi GRU）神经网络的航空液压管路故障诊断方法,将液压管路振动故障信号在强噪声干扰中进行处理,从而有效地对液压管路故障诊断进行识别和分类。首先,本文重点对功率谱和包络谱的原理进行了研究,同时对功率密度、维纳辛钦定理和时延特征的提取进行了介绍,利用MATLAB软件,基于频谱分析技术、功率谱分析技术和包络谱分析技术对航空发动机液压管路实测振动故障信号进行处理,并对实测数据加入10d B噪声,从而对液压管路振动信号实现了自适应信号处理,为自注意力机制和双向GRU神经网络模型的模式识别提供了基础。其次,将加入10d B噪声处理后的液压管路实测振动信号构建成振动数据集,再将液压管路振动数据集输入到本文建立的自注意力机制和双向门控循环单元（Self Attention mechanism and Bidirectional Gated Recurrent Unit,A-Bi GRU）神经网络中进行训练。训练结果表明:本文提出的基于自注意力机制与双向GRU神经网络的液压管路故障诊断方法,实现了对液压管路裂纹故障、液压管路凹坑故障和液压管路健康状态的识别。同时数据表明:本文建立的航空液压管路故障诊断模型对液压管路故障数据的识别率达到99.2%。最后,基于同一液压管路振动数据集,将本文提出的基于自注意力机制与双向GRU神经网络故障诊断方法与双向GRU神经网络故障诊断方法、循环神经网络故障诊断方法和BP神经网络故障诊断方法相比较,结果表明:本文方法不仅实现了液压管路多种状态的智能分类,而且本文方法的诊断性能优于其他故障诊断方法,为航空发动机液压管路故障诊断提供一条新的思路。