航空发动机温度传感器是发动机控制系统中重要的组成部分。对航空发动机温度传感器进行故障分析,建立故障检测、隔离与重构(Faults Detection,Isolation and Accommodation,简称FDIA)系统可以保障温度传感器出现故障时控制系统的正常工作。本文采用基于知识的故障分析方法进行研究,通过神经网络预测温度,利用预测值与温度传感器输出值之间的残差来建立FDIA系统实现故障的检测、隔离与信号重构。针对电阻式温度传感器、热电偶温度传感器这两种航空发动机温度传感器的故障模式、现象以及原因进行了分析。采用Simulink软件模拟了电阻式温度传感器、热电偶温度传感器以及故障信号。利用Matlab分析了BP(Back Propagation,简称BP)神经网络预测的优缺点。针对BP神经网络的缺点利用遗传算法(Genetic Algorithm,简称GA)优化BP神经网络,建立了GA-BP神经网络,并将预测误差控制在3%以内。分析了影响GA-BP神经网络性能的两个因素:隐含层节点数,训练样本与预测样本间隔时间。同时还对比了两种神经网络的预测性能,验证了GA-BP神经网络预测性能相对于BP神经网络具有准确度更高、稳定性更高、迭代步数更少的优点。基于GA-BP神经网络和温度传感器4种基本故障模式建立FDIA系统。并利用Simulink软件搭建了航空发动机温度传感器故障检测、隔离与信号重构仿真平台。通过该平台成功的实现了对故障的检测、隔离与信号重构。分析了硬故障幅值与软故障变化速率对故障检测的影响,故障幅值越大、变化速率越快则检测和重构效果越好。同时基于检测结果分析了造成故障的部件以及原因。