航空发动机的气路部件属于发动机核心部件,且所处的工作条件十分恶劣,因此对气路部件的监测尤为重要,是发动机健康管理技术的核心内涵之一。近年来,随着状态监测技术的发展,关于航空发动机气路静电监测研究逐渐升温。本文以面向发动机气路部件健康管理的静电监测技术为主题,开展了静电传感器传感模型推理及验证、基于稀疏分解的静电信号去噪方法、发动机气路故障模拟实验、基于智能学习方法的故障模式识别、涡扇发动机气路异常状态识别、基于静电数据的气路性能评估、气路静电监测软硬件系统开发等方面的研究。论文的主要工作和成果如下:(1)对发动机气路静电监测的研究现状进行分析和梳理,首先对发动机气路部件的正常颗粒物和异常带电颗粒物的来源进行分析,阐明气路异常带电颗粒物的危害以及带电机理;对发动机气路静电监测原理以及相关软硬件架构进行了分析,以现有进气道环状静电传感器和尾喷管棒状静电传感器为理论分析对象,结合实际需求,对两类典型静电传感器的传感模型进行数学推演研究,并利用静电滴定台架开展传感模型验证实验研究,研究静电信号影响因素和输出信号之间的关系,通过对传感模型的准确建模为后续传感信号的深层次研究提供坚实的理论依据和实验支撑。(2)针对静电信号中的噪声问题,对噪声干扰类型和来源进行分析,总结了以往针对不同干扰类型的去噪方法的不足,提出了一种基于稀疏分解的信号去噪方法,通过仿真信号和实测试车静电信号对所提方法进行了验证,并与其它经典去噪方法的去噪效果进行了横向对比,保证了静电信号去噪过程的灵活性和有效性。(3)为解决典型气路故障模式的识别问题,提出了四类典型气路机械故障的模拟实验方案,并开展了相关的气路故障模拟实验。根据静电信号的经典时频域-统计特征提取方法,对四类故障模拟实验所获取的样本数据进行特征提取并加以对比分析,对在四类典型气路故障模式下各自静电信号特征参数的特点和不同之处进行分析阐明。通过故障模式模拟实验得到的数据,进一步在经典特征参数的分析结果上提出静电信号的几类新特征指标,对各模式下样本提取新的特征,对新特征进行分析并提出了初始故障判别逻辑理论。利用Fisher准则方法对所提出特征指标的有效性进行验证,提出了一种基于SOM神经网络的故障模式识别算法,并对故障模式分类识别效果进行了实例验证,为气路故障模式识别提供了效果较好的智能识别方法。(4)为验证传感器应用效果,联合试车厂开展涡扇发动机静电监测试车搭载实验,介绍了试车实验过程中的所用的静电传感器和实验安装情况,并得到了静电监测原始数据,结合发动机的相关性能参数,对静电监测的效果进行评价,并建立了涡扇发动机AL参数的基线模型。分别使用排列熵和小波能谱熵法对发动机气路异常状态进行检测。提出了融合涡喷发动机静电监测数据及发动机性能参数对发动机气路性能的健康状态进行综合评估,基于逻辑回归算法量化发动机的性能,分析结果表明融合静电特征参数和性能参数的评估方法要优于传统的性能指标评价方法,能够为维修人员赢得维修预警窗口期。(5)为解决静电监测软硬件系统集成应用问题,设计了一套基于LABVIEW图形语言的航空发动机气路部件监测与诊断软件系统和一套基于嵌入式技术的便携式静电监测硬件系统。软件系统能够实现包括监测、存储、信号调理等基本功能。此外,在实时主系统基础上融合更多的信号处理方法,引入机器学习的方法实现离线诊断。设计了基于嵌入式的硬件监测系统,包括了数据采集模块和基于WinCE 6.0的显示模块开发,实现监测工程中基本的相关业务需求。