本文的主要研究内容为航空发动机性能监视方法、基于神经网络模型的传感器故障诊断和容错控制方法及基于小波神经网络的航空发动机气路故障诊断方法。首先,以某型涡喷发动机为研究对象,讨论了发动机模型的线性化方法。利用带约束的卡尔曼滤波器对表征发动机性能的健康参数的蜕化值进行了估计,检验了所用的带约束卡尔曼滤波器的稳定性、可观性,随后的数字仿真表明该方法用于发动机性能监视是可行的。其次,以某型涡扇发动机为研究对象,利用神经网络和航空发动机的部件级模型生成的稳态和动态运行数据,建立了航空发动机神经网络模型,组成了发动机传感器故障诊断系统。本文中对航空发动机的神经网络模型和部件级模型,在运行时间、存储空间两方面进行了对比,并且对组建神经网络模型所需要的稳态和动态的数据量进行了研究。最后,利用小波神经网络进行航空发动机气路故障诊断,从多个不同使用情况的发动机提取的训练数据训练出多个网络,组成一个故障诊断组对发动机的气路故障进行诊断,仿真结果表明,对一定性能退化区间内的多台航空发动机,该诊断策略显著提高了诊断准确率。