航空发动机性能健康预测是保证飞行安全、降低维护成本的重要手段,近年来成为飞行推进系统总体性能与控制领域的研究热点。本文以某型涡扇发动机模型为研究对象,依托信息融合理论,开展了航空发动机性能健康的融合滤波预测方法研究。首先针对传统集中式滤波器存在的计算效率低、通信负担重、容错性能差等固有缺陷,采用分布式结构实现对发动机健康参数的滤波估计,并根据融合方式的不同,设计了前馈式线性融合卡尔曼滤波器与反馈式线性融合卡尔曼滤波器。将融合滤波推广至非线性滤波算法,基于扩展卡尔曼滤波算法,设计了非线性融合卡尔曼滤波器,给出了非线性融合卡尔曼滤波器的等价性证明,从理论上说明反馈式融合扩展卡尔曼滤波器与集中式扩展卡尔曼滤波器等价,并通过数字仿真对融合滤波器的性能进行验证。考虑到线性滤波算法计算量小、非线性滤波算法精度高的特点,综合两者的优势,设计了基于LKF与EKF的混合联邦滤波器,并对其与集中式滤波器的等价性进行证明。研究了混合联邦滤波器用于发动机性能健康预测的具体实现过程,并从算法的诊断精度、计算性能以及传感器容错性能对所设计的混合联邦滤波器进行数字仿真验证。将无迹卡尔曼滤波算法引入到混合联邦滤波器中,讨论了基于EKF与UKF的强非线性混合联邦滤波器,以进一步提高融合滤波器对发动机健康参数的估计精度。为解决实际应用中混合联邦滤波器内的子滤波器输出周期不一致的问题,设计了基于非等间隔滤波的异步融合机制,并通过数字仿真验证了异步融合算法的有效性。最后在发动机半物理硬件平台上,进行了发动机性能健康的融合滤波预测算法仿真试验,表明了LKF与EKF混合联邦滤波器、EKF与UKF强非线性混合联邦滤波器用于发动机性能健康预测的有效性。