航空发动机作为现代飞机的核心动力来源,是飞行可靠性、安全性以及经济性的关键所在。当前针对发动机的健康管理技术虽然能够在一定程度上保证发动机稳定运行,但发动机实时异常诊断精度依然需要进一步提高,其次如何充分利用发动机多元监测数据进行剩余寿命预测仍然有所欠缺。针对以上问题,本文的研究目标是建立发动机实时异常诊断模型以及利用航空发动机实际运行过程中的多元监测数据建立发动机剩余寿命预测模型。航空发动机异常诊断以及剩余寿命预测是发动机健康管理中最重要的两个部分,本文首先针对异常诊断展开研究,首先获取航空公司实际运行发动机完整的监测数据,获取到的监测数据含有发动机发生故障时的监测数据,之后选用了自编码器AE算法进行异常诊断,结合该算法的优势弥补了故障数据少以及人工干预多影响诊断模型精度的不足。利用实际发动机历史运行监测数据,建立基于AE算法的航空发动机异常诊断模型,根据诊断结果本文所建立的模型能够准确找到性能异常的发动机,同时能够精准定位异常状态发生点,实现对发动机运行状态进行实时异常诊断。针对发动机多元监测数据利用率低以及以往构建的健康指数并未考虑各个性能指标不同性能退化阶段变权重的问题,本文提出了一种充分利用发动机历史监测数据,考虑到发动机处于不同的性能退化阶段性能参数对健康状况影响程度不同,将多元性能参数分段变权重融合成能够最大程度表征发动机健康水平的健康指数方法,同时基于构建的健康指数本文结合长短时记忆网络（LSTM）构建了发动机剩余使用寿命预测模型。首先是基于ReliefF算法从航空公司实际发动机多元监测数据中筛选出与发动机性能退化权重相关性大的性能参数,之后利用K-means聚类算法对发动机性能退化阶段进行划分,再利用PCA算法分阶段将筛选出的性能参数融合成能够精确反映发动机健康水平的健康指数。最后,利用LSTM算法结合构建的健康指数建立航空发动机健康评估与剩余使用寿命预测模型,并与基于未进行分段直接构建健康指数进行剩余寿命预测模型以及实际工程应用中以发动机排气温度裕度作为剩余寿命预测指标的预测模型进行对比分析表明本文所构建的以多性能参数分段变权重融合成的健康指数作为预测指标的发动机剩余寿命预测模型预测性能强且极大提高了预测精度。本文的研究对提高航空发动机健康管理技术具有一定的理论指导,同时能够为发动机机队管理和航空运营人带来技术上的更新,所提供的异常诊断以及剩余寿命预测研究思路具有一定的借鉴意义。