航空发动机气路故障诊断技术是提高飞行安全性和可靠性、降低发动机维护费用的重要途径。针对传统线性卡尔曼滤波器（Linear Kalman Filter,LKF）方法在气路故障诊断应用中鲁棒性不强、应对快时变故障收敛较慢等问题,本文以某型大涵道比涡扇发动机为研究对象,围绕滑模观测器理论开展了航空发动机气路故障诊断方法的研究,包括气路部件故障与传感器故障诊断、性能蜕化估计、诊断方法的在线实现、传感器故障容错控制等。提出了考虑故障导数影响的鲁棒滑模状态估计方法,实现了航空发动机气路故障诊断。为提高状态估计的鲁棒性,降低观测器抖振,设计了基于伪滑动模态的鲁棒滑模状态估计器,使得满足匹配条件的不确定性与状态估计完全解耦,从而提高鲁棒性;考虑到故障导数对估计动态过程的不良影响,通过将故障导数视为系统干扰,通过优化故障导数到估计状态传递函数的范数求解观测器增益,从而提高观测器响应速度。相比于LKF,该方法对气路快时变故障响应更快,对满足匹配条件的不确定性具有更高的状态估计精度。为了避免滑模状态估计器中匹配条件的限制和故障导数的影响,提出了基于super-twisting的未知输入重构鲁棒滑模观测器设计方法,进一步提高了航空发动机气路故障诊断的鲁棒性和收敛速度。将故障视为未知输入,以避开滑模状态估计器中故障导数对估计的影响;利用部件故障诊断模型输出向量中的状态信息设计降阶观测器,以简化部件诊断观测器结构;在传感器数量有限的情况下考虑任意有界不确定性,通过构造变换矩阵以增加鲁棒设计的自由度;并基于线性矩阵不等式（Linear Matrix Inequalities,LMI）方法设计未知输入重构鲁棒观测器;对于观测抖振问题,基于二阶super-twisting理论,提出非线性切换项多步迭代、参数变增益等优化设计方法,以抑制观测器的抖振。相比于LKF和滑模状态估计器,该方法提高了收敛速度,对任意有界不确定性具有鲁棒性。针对航空发动机寿命期内气路性能蜕化、部件故障、传感器故障的综合诊断系统,提出了基于模糊逻辑与滑模观测器相结合的部件蜕化跟踪方法和传感器软故障跟踪方法,实现了对于气路蜕化、传感器软故障的跟踪;利用蜕化估计的结果,提出了故障模型更新的蜕化航空发动机气路故障诊断方法,消除了性能蜕化对故障诊断的影响;利用滑模重构信号提供的故障信息,提出了部件故障与传感器故障的区分方法以及气路故障诊断的交叉修正方法,实现了寿命期内气路部件故障和传感器故障的诊断;针对非设计点工况,采用BP神经网络修正相似变换误差,建立了反映发动机大范围的基线模型,并利用未知输入重构滑模观测器在巡航飞行区域内实现了航空发动机动、稳态的气路故障诊断。针对传感器故障容错控制中控制信号的快速变化引起发动机瞬时超温超转的问题,提出了基于滑模观测器状态估计的传感器故障容错控制方法。将观测器降阶模态作为状态估计误差,实现了传感器故障信号和降阶模态的完全解耦;并将状态估计结果替代传感器物理信号用于控制反馈,避免了重构信号补偿带来的不理想动态,在应对传感器快时变故障时依然能够保证良好的控制品质。