大部分飞机发动机都已经加装了飞行参数记录系统。这些记录参数在一定程度上能够反映飞机发动机当前的工作状态。当发动机某些系统出现故障时，就会通过相应的各个记录参数值的变化直接或者间接地表现出来。如何充分利用现有飞行记录数据，对航空发动机进行故障诊断研究目前还尚属探索阶段。　　 本文以某型飞机记录的飞行数据为依据，给出一种改进型BP神经网络建立航空发动机的排气温度、润滑油压力、高（低）压转子转速等特性模型的方法，通过构建不同油门开度下的发动机的性能参数作为训练样本，来确定发动机性能的衰变程度。为准确提取因模型偏离而产生的偏差，引入发动机故障因子方法，又通过相关参数的对比分析，找出各相关参数之间的内在关联，提出发动机故障诊断模型，为发动机健康状况诊断（正常、异常、故障三个阶段）研究提供平台。　　 1、进行飞参数据的预处理研究。为提高发动机诊断的准确性，针对飞行数据丢失数据帧和存在野值点的问题，本文将运用分形插值的方法来估计飞行数据中的间断点。研究分形插值过程中垂直比例因子对分形维数的影响，利用吸引子整体与局部的自相似性来确定迭代函数系统中垂直比例因子的方法。　　 2、对野值与故障值的判别方法进行研究。为提高发动机诊断的可操作性，针对飞行数据中存在的野值和故障值的问题，本文将深入的研究和探讨，针对同一时刻相关（无关）参数自身变化率是否正常进行逐一判断，对自身变化率超出30％的记录参数，去比对同一时刻油门手柄位置是否发生变化，对发动机记录参数的相关性进行分析。　　 3、考虑受多种因素影响的情况下改进一种监控算法。为了对发动机进行准确监控，通过对发动机振动产生的机理进行分析，指出异常振动外在表现的多样性和目前工程中所用方法的片面性。对飞机起飞、着陆、动态过程、动态过程异常及空中稳态时发动机的振动监控各个阶段进行理论分析，寻求研究一种基于支持向量机模型的异常振动的监控方法。　　 4、带故障因子的故障诊断方法研究。通过对航空发动机飞行记录数据的分析和验证，可以对飞机发动机排气温度、低压转子转速、滑油压力等参数能准确及时地进行故障诊断，将极大地提高地勤维护的快速性和准确性，提高飞行的安全性，能够充分发挥飞参数据在发动机监控和故障诊断中的重要作用。