准确可靠的航空发动机气路部件衰退评估技术是保证航空发动机安全经济运行的关键。现有衰退评估技术多为基于模型的发动机部件性能衰退评估方法,需要大量的工作和计算时间。由于现有性能衰退评估方法存在潜在问题,本文旨在开发替代基于模型的发动机性能衰退评估方法,该方法既能快速解决发动机性能衰退预测问题,同时保持与基于模型的方法相同的精度。使用人工神经网络模型,以替代复杂的热力学模型对发动机部件性能衰退因子的评估过程,建立各种发动机运行和健康状况、气路测量参数与发动机气路部件性能衰退因子之间的直接映射。本文主要从以下两个方面展开研究工作:（1）开发了一个完整的双轴涡扇发动机热力学模型,利用气路分析理论,采用衰退因子方法,初步研究发动机不同运行和健康状况下,得到的气路测量参数与衰退因子之间的对应关系,并将这种联系方法集成到所建立的发动机热力学模型中,以搭建完整的基于模型的发动机气路部件特性衰退评估模型。同时利用研究结果来补充输入和输出样本,以训练、验证和测试基于人工神经网络模型的发动机气路部件特性衰退评估模型。（2）开发了基于BP神经网络和RBF神经网络的发动机气路部件特性衰退模型。利用热力学模型补充的结果作为输入和输出样本数据,训练、验证和测试神经网络模型,使其可以对清洁和衰退的发动机进行准确的部件特性衰退评估,确保搭建的神经结构能够实现通用化。并通过实例,对两种神经网络模型进行了对比和分析。结果表明,所开发的两种神经网络模型能够对双轴涡扇发动机气路部件衰退情况产生准确且快速的评估。