航空发动机作为飞机的“心脏”,并且是极其复杂的机械系统,对于飞机的安全运行起到了至关重要的作用。航空发动机的结构复杂度极高,轴承以及转子系统的故障最为常见,如叶片断裂、异物撞击等。在轴承的故障中,常出现轴承内外圈磨损、滚动体剥落等故障,而滚动轴承作为航空发动机中主要支撑部件,本文重点选取滚动轴承的磨损故障展开研究。在本文中,以声发射技术作为主要手段,在基于声发射技术的条件下,对故障轴承进行了信号提取与分析,进行了理论以及实验研究。主要针对于内圈、外圈以及滚动体三种故障类型,具体从以下几个方面开展了研究:分析了声发射以及与声发射相关的理论知识、声发射技术的特点及应用。基于航空发动机结构研究了声发射波的传播理论,并针对航空发动机滚动轴承故障信号深入研究了声发射信号时域、频域以及小波包等分析方法。针对航空发动机结构特点以及故障的产生机理,研制了基于滚动轴承各类故障的航空发动机试验台,并开展了航空发动机故障滚动轴承实验,实验中提取了正常以及轴承外圈、轴承内圈、滚动体故障状态下的声发射信号,分别从声发射特征参数、时域分析以及频域分析三个方面对声发射信号的特征进行了分析。针对滚动轴承非平稳信号的特点,采用小波包分析对轴承的声发射信号进行了分析,得到了滚动轴承信号的特征参数。基于人工智能算法—BP神经网络,提出了一种基于粗糙集与神经网络相结合的故障诊断方法:利用小波包分析提取特征数据,通过粗糙集实现属性的约简过程,将约简后的数据输入到神经网络中完成故障类型的识别。本文提出的航空发动机滚动轴承故障识别及诊断方法大大提高了故障识别率,有效识别出各种故障类型,为航空发动机安全运行提供了保障。