随着我国国民经济实力的增强和国际地位的日益提高,现代航空事业的发展步伐逐步加快,飞机发动机性能在不断提高的同时,航空发动机结构设计日益繁杂,发生各种故障的概率随之上升,所以对于它的稳定性和可靠性的要求也会越来越高。转子系统振动故障是造成航空发动机故障的主要原因之一,当转子系统发生故障时,通常会导致严重的振动问题,甚至导致机毁人亡的事故发生。因此,对于转子系统进行故障诊断研究,不仅具有重要的学术价值,而且对国民经济以及国家安全都有着重要的现实意义。本文将小波聚类算法作为转子系统振动故障诊断方法,在Matlab环境下,对故障诊断准确度即聚类精度进行分析之后,为了能够更加准确地判断出故障类型、提高聚类精度,提出了网格细化的小波聚类算法,即将网格拆分技术运用到小波聚类算法,对算法运行过程中的特征空间网格单元进行“网格细化”以此来对边界点进行提取,最后对改进前后算法的聚类精度进行理论研究和实验验证。在本文中,首先阐述了课题研究的目的及意义,对于航空发动机故障诊断的国内外现状与发展趋势进行了大概的描述;其次,对于航空发动机进行了分类,并介绍了几种航空发动机,对于转子系统振动几种常见故障的原因与故障发生时所体现的特征进行了详细介绍。第三,在了解小波聚类算法基本原理的基础上提出了改进的具体方法,即采用网格细化对其进行改进。第四,详细介绍了网格拆分技术以及选取的二维特征量。最后,介绍了转子系统故障模拟实验装置和几种常见振动故障的实验方法,进行转子故障模拟实验,根据采集到的转子故障数据来验证改进后的小波聚类算法的可行性及有效性。由实验结果可以得到:网格细化小波聚类算法比改进前的聚类精度更高,转子系统振动故障诊断准确度更高。