航空发动机转子有着故障率高、调整复杂,维护工作量大的特点,对转子进行及时、有效的故障诊断,可显著提高发动机的安全性和可靠性。由于航空发动机结构复杂,采用传统的故障诊断方法进行诊断与定位,具有较大的难度;基于数据驱动和人工智能的诊断方法又依赖大量的故障数据和经验。本文针对航空发动机的结构特点,考虑航空发动机实际测量条件,重点研究基于故障特征参数识别的转子典型故障诊断与定位的方法。论文的主要工作如下:针对实际航空发动机整机结构,用有限元法建立了一种耦合的双转子-支承-机匣动力学模型。同时对转子典型单一故障(不平衡、不对中、裂纹、碰摩、弯曲、松动)和复合故障建立了动力学模型,并探究了含有转子故障的航空发动机的动力学响应。提出了基于航空发动机转子故障特征参数识别的典型故障诊断与定位方法。采用EKF滤波算法进行故障特征参数估计,基于不同故障的特征参数值及特征参数所处位置,实现故障的诊断和定位。为了提高参数识别的收敛性和稳定性,引入了加权整体迭代和衰减记忆滤波算法,通过不平衡、不对中、裂纹和弯曲等几个实例的多个故障参数的识别,验证了该方法对转子故障诊断与定位的有效性。针对EKF滤波对强非线性系统出现的估计精度及复杂的线性化问题,引入了UKF滤波算法,并针对参数估计过程中出现的参数失效问题,引入了均方根的UKF滤波(SRUKF)。通过对不对中、碰摩、裂纹等单一故障和复合故障的多个故障参数的识别,并和EKF滤波估计结果进行对比,验证了SRUKF滤波在强非线性系统中有较高的参数估计精度。由于实验条件的限制,无法获得航空发动机故障实测数据。在本特利转子实验台上进行不平衡、不对中、碰摩和裂纹故障实验,验证了有限元建模方法和基于EKF滤波的故障诊断与定位方法的有效性。基于C#开发了一套航空发动机状态监测与故障诊断软件。基于Sql Server开发了数据库填充自动处理脚本,设计了航空发动机振动数据的数据库。该系统包含状态监测模块、信号分析模块、盲源分离模块和故障诊断模块。