航空发动机是飞行器中重要组成部分，经常工作在复杂的环境条件下，导致其部件非常容易发生故障，一旦出现故障，会浪费大量的人力物力甚至出现沉重的航空灾难。然而航空发动机是非常复杂的非线性系统，基于模型的故障诊断方法无法得到很好效果，因此从数据的角度对航空发动机进行故障诊断的思路具有重要的理论意义和实际价值。本文主要研究使用数据驱动方法对航空发动机进行故障诊断。
　　第1章阐述了本课题的研究背景和意义、研究现状和经常使用的技术，第2章对支持向量机的重要知识进行了说明。
　　第3章针对某航空发动机中的某个气路部件出现单部件故障，使用支持向量机算法进行诊断，并且考虑数据预处理以及参数优化对支持向量机诊断性能的影响，同时，利用常用的仿真软件对支持向量机解决航空发动机气路故障诊断进行仿真实验，同时也结合数据预处理方法和参数优化方法对发动机气路进行故障诊断，验证支持向量机算法对航空发动机气路故障诊断的可行性，也说明了数据预处理以及参数优化对支持向量机诊断性能效果影响较大。
　　在第4章，针对航空发动机样本数据集存在不平衡性的问题，结合核函数技术对经常用到的产生样本点的方法进行改进以减少样本间的不平衡率，并且通过对支持向量机施加不同的惩罚因子以使不同类型的样本集对诊断结果有不同的作用，从而使算法对样本不平衡的航空发动机气路故障诊断有较好的诊断性能。在使用样本不平衡的标准数据集对算法进行验证后，使用样本不平衡的航空发动机气路故障样本集对该算法进行仿真实验，并进行对比分析。
　　在第5章，针对航空发动机样本数据集存在异常值的问题，通过引入非凸损失函数的方式，对标准支持向量机的损失函数进行改进，得到具有较强鲁棒性的鲁棒支持向量机，并且通过对比实验分析，验证鲁棒支持向量机算法能够抑制异常值对诊断结果的影响，在发动机气路故障诊断过程中有较强的鲁棒性。
　　第6章主要对本文中所作的研究工作进行总结，以及对接下来的研究方向做出展望。