民用航空发动机的健康管理是民航管理和运营机构十分关注的热点问题，发动机状态监控、故障诊断和寿命预测等发动机健康管理关键技术，对减少运营和维修成本，有效避免重大事故的发生以及实现发动机视情维修意义重大。由于民航发动机结构复杂、部件繁杂，导致其故障现象与故障原因之间的映射关系复杂多变，特别是对于发动机气路故障，相关性能参数变化不明显，难以直观做出判断。本文对民用涡扇发动机的健康智能监控技术进行研究，主要研究内容和成果如下：1．首次把QAR数据用于民航发动机的故障检测和故障分类诊断，将基于PCA和信息熵的方法用于民用涡扇发动机的气路健康监控。把PCA方法用于发动机的气路性能排队和评估发动机的气路健康。采用信息熵的方法分析故障征兆和故障原因之间的关系，探究引起发动机整体性能衰减的主要原因，为发动机的状态评估提供技术手段。2．在发动机故障检测中，采用超平面支持向量机算法研究真实样本的分布特征，对发动机正常样本的分布特征进行学习，优化模型参数，确定最优分类边界，通过计算未知样本和支持向量的距离确定样本的类别归属。在检测模型中，参数变化对检测准确率影响较大，本文采用了验证法进行模型选择，研究表明样本检出率达到93.2%。3．针对实际民航发动机故障样本少的特点，将支持向量机用于发动机故障分类诊断中，在二元分类器的基础上构造并实现了两种多分类支持向量机算法，通过仿真测试对比两种算法在故障分类诊断中的性能差异。同时对支持向量机三种核函数性能进行研究，包括核参数及模型参数变化对分类结果的影响，结果表明：径向基核函数稍优于其他核函数。4．为综合评估发动机在翼寿命，采用系统工程中模糊层次分析法、均方根法来综合评定发动机的寿命。用航线、车间、试车台和工程管理数据等四个方面数据分析影响发动机寿命评估预测的因素，用层次分析法构造了发动机评估预测的指标体系，并以综合测评值作为发动机寿命预测指标，结果和实际相符较好。5.根据民用发动机的特点，将改进的LS-SVM回归应用于航空发动机寿命预测，采用大修后发动机的试车数据，验证了LS-SVM回归预测发动机寿命的有效性，在工程实际中具有理论指导意义。