本课题在研究传统专家系统的基础上将神经网络技术引入飞机故障诊断领域，阐述了基于神经网络的飞机故障诊断专家系统的总体构架，推理机制及实现方法，重点分析了专家系统的功能需求，各主要功能模块的实现方法，知识库的设计准则以及系统的推理机制，系统设计的目的主要在于帮助机务人员，特别是帮助维修人员在维修时迅速、准确地找到并排除故障，提高工作效率，使民航事业取得更好的经济效益和更高的安全系数。 通过对人工神经网络(ANN)的深入研究，以波音PW4000型发动机为例，在采集了充分的发动机故障数据后，结合典型的故障经验数据，进行了故障诊断的仿真试验，并和实际故障数据对比，以此说明了该故障诊断专家系统的实用性。 系统的神经网络模块仿真实例中采用三层网络结构，4个输入节点，中间层为10个，输出层与故障模型相对应为12个节点。在算法方面，经过多次实验，使用梯度下降法迭代不断修正权值，网络训练迭代次数为1万次，学习精度要求为取系统总误差E=0.001。通过对发动机典型故障数据的学习，系统对使用过程中的数据进行模拟诊断，可以达到实用要求。