为了进一步提高发动机的安全性和可靠性,加快航空发发动机视情维修向健康管理综合系统转变的步伐,本文着重研究了健康管理系统核心部分之一,即以某型涡扇发动机为研究对象,对发动机气路性能估计方法进行了对比研究。首先本文采用了智能算法,将性能估计问题转化为寻优问题,基于遗传算法以C++、Matlab为平台进行了仿真实验。仿真结果表明,虽然传统遗传算法在处理非线性问题上有很强的适用性,但在性能估计时亦会出现局部最优、精度过低的问题。针对这一问题,本文提出了不同的改进方案:引入了信息融合思想和萤火虫算法。通过仿真可知:信息融合遗传算法能够有效解决传统遗传算法中出现的问题,将估计精度控制在5%以内;萤火虫算法虽然在精度上能表现出优越的性能,但对设定参数敏感,由于没有科学的参数选取规则,针对不同问题需要大量试算获得算法参数。其次本文研究了支持向量机在气路性能估计中的运用,将性能估计问题转化为测量参数与性能参数间的建模问题,基于支持向量机对气路故障采用先分故障类别,再回归性能参数的策略。仿真结果表明支持向量机在小蜕化量时表现出的性能并不能让人满意,在气路性能估计领域有一定的局限性。本文提出了回归修正策略以及基于支持向量机、遗传算法的组合算法。支持向量机回归算法在引入修正策略后,能将估计误差控制在4%以内;基于支持向量机、遗传算法的组合方法能够克服两类算法缺陷,不仅解决了寻优过程中局部最优问题,也使整个算法对训练样本的依赖性降低,同时将估计误差控制在4%以内。最后对文中提出的性能参数估计方法进行了对比分析,总结了各类算法的局限性及应用前景,为后续研究提供一些建议。