航空发动机故障诊断是航空发动机领域的重要研究方向,意义重大,己经成为目前国内外十分关注的一个研究热点。信息融合是近年来兴起的一门学科,在许多领域得到了广泛的应用和研究;在航空发动机故障诊断领域的应用尚处于起步阶段,故障诊断中可利用的信息很多,只有充分利用有用的信息来对设备的故障进行诊断才能提高故障诊断的精度和可靠性,因此在航空发动机上进行故障诊断实质上是一个多信息融合的过程。本文首先论述了故障诊断技术中信息融合的基本原理、层次结构和常用方法;详细介绍了当前在故障诊断中应用比较多的BP神经网络、RBF神经网络和支持向量机这三种分类器的基本结构、原理以及分类算法,并以JT9D发动机气路故障诊断为例详细说明了这三种分类器的设计过程和故障诊断原型和样本的建立;阐述了D-S证据理论的方法、模型,并结合算例进行了分析。在此基础上,将航空发动机故障诊断与信息融合相结合,提出了一种基于多分类器融合技术的双层发动机故障诊断模型和方法,并通过发动机气路故障诊断实例分析、验证了这种方法的可行性和有效性。