航空发动机作为飞机的心脏,长期工作在高温、高压、强振动和大应力的恶劣环境中,属于典型的故障易发型系统。如何高效准确地对航空发动机进行故障诊断,成为备受业界关注的研究内容之一。因此,本论文以某航空发动机气路系统为研究对象,开展故障诊断方法研究。主要内容如下:(1)研究基于邻域粗糙集的航空发动机参数约简方法。该方法结合发动机气路系统监测参数数据,对气路参数进行约简,得到能够表征发动机状态信息的表征参数,为后续研究故障诊断方法提供参数选取依据。(2)研究基于KPCA-WNN的航空发动机故障诊断方法。该方法利用KPCA对表征参数数据进行特征提取,采用提取后的数据建立WNN故障诊断模型。结果表明,该方法可以有效地对发动机气路系统进行故障诊断。(3)研究基于DAEN的航空发动机故障诊断方法。该方法直接采用表征参数数据建立DAEN故障诊断模型。结果表明,相较于KPCA-WNN诊断方法,该方法能够更加有效地对发动机气路系统进行故障诊断,具有更好的诊断性能。(4)研究基于D-S证据理论的航空发动机故障诊断方法。该方法采用表征参数数据建立KPCA-WNN和DAEN两种故障诊断模型,利用D-S证据理论对两种模型诊断结果进行决策层融合。结果表明,D-S证据理论可以有效地融合两种故障诊断模型的诊断结果,达到提升诊断效果的目的。(5)采用三种常用航空发动机故障诊断方法进行故障诊断,以验证本文研究的故障诊断模型的诊断性能。在使用相同数据的条件下,建立并测试三种故障诊断模型。结果表明,本论文研究的故障诊断模型诊断性能优于传统SVM、RBF和GRNN故障诊断模型。