航空发动机故障特征提取及分析技术主要用于发动机故障识别及诊断,特别是分析转子系统的机械状态和故障。通常认为,振动信息所包含的机械状态信息最丰富(包含幅值、频率、相位等多种信息),最能反映结构系统的机械状态。中介轴承作为多转子航空发动机支撑系统的核心零件,其工作状态直接关系到航空发动机的安全运行。准确有效地提取中介轴承故障特征对轴承故障种类、程度、趋势分析具有重大意义,也是实现发动机状态监测及故障诊断的技术前提。中介轴承故障特征信息的传递路径具有复杂、干扰源多的特点,而发动机实际运行时现场情况更为复杂,这导致故障特征信息会淹没在大量的噪声中。针对此种问题,本文将Morlet复小波共振解调方法应用到了中介轴承故障特征提取上,利用快速峭度图及包络谱峰值因子两种评价方法分析中介轴承故障数据,提取数据中的故障特征时取得了一定的效果。基于中介轴承内外圈故障频谱特征优化了评价指标,此方法在多种工况下都能够更加有效地提取故障特征。针对Morlet复小波共振解调方法处理滚动体故障的包络谱不能有效地和滚动体故障理论特征频率建立关联的问题,本文提出了基于多测点Morlet熵及局部线性嵌入(LLE)的故障特征提取方法。结合共振解调的方法,提取多测点加速度数据的融合信息熵,利用LLE将其信息特征提取并进行降维,最后通过支持向量机(SVM)测试故障特征提取效果。基于多种类型故障的中介轴承实验数据,验证了该方法能够大幅提升故障识别准确率。