民航发动机的可靠性关系到乘客的生命财产安全和航空公司的经济效益,但目前我国航空发动机的健康管理和异常检测技术自主创新能力不足,核心技术储备不够,过分依赖航空发动机生产厂家提供的服务。发动机异常大部分是气路原因导致的,发展独立自主的气路异常检测手段对于提高我国工业水平和国防实力至关重要。因此,本文将分别从气路突变异常和气路演化异常的角度,研究气路参数原始值特征提取及异常检测方法。首先,分析了气路突变异常的特点,提出随时间变化最缓慢的特征能在一定程度上代表气路参数的某种固有属性这一假设,结合慢特征分析算法与核技巧,将不同的核函数组合为混合核函数,实现了混合核慢特征分析算法。该算法能够在不提高运算量的前提下,充分利用高维特征空间的特点,充分利用不同核函数的优点,使用核技巧将气路参数原始值映射到高维空间,在高维空间中提取随时间变化最缓慢的特征作为气路参数的某种固有属性,气路突变异常将会导致这些特征波动剧烈,将其用于气路参数异常检测可以降低异常检测难度,提高异常检测准确性。实验结果表明,随时间变化最缓慢的特征的确能在一定程度上代表反映发动机性能的某些固有属性,突变异常在这些固有属性中表现的较为明显,是一种具有广泛应用前景的气路特征提取方法。其次,分析了演化异常的特点,提出了气路参数间存在映射关系,而异常将破坏这一映射关系的假设。研究了注意力机制与长短时记忆网络的优缺点,设计了基于注意力机制与长短时记忆网络的映射关系挖掘模型架构,将实际值不符合映射关系输出的理论值的程度作为特征用于异常检测,这一特征与气路参数偏差值的物理意义相似。为提高该特征用于异常检测的效果,提出极端样本不平衡条件下的弱监督交叉熵损失函数,通过将其与简单的分类器结合,可以强迫模型学习到的映射关系更好的反映出正常样本和异常样本的差异。实验结果表明,基于映射关系挖掘的气路参数特征提取方法能够准确的学习到气路参数间的映射关系,提取出的特征能明显的反映出发动机的健康状态,提出的损失函数能够有效的提高正常和异常样本的差异,异常的确会破坏映射关系,性能衰退也会导致气路参数偏离映射关系,提取出的特征可解释性强,是一种具有广泛应用前景的特征提取方法。分析了密度峰值聚类算法的优缺点,研究了现有的改进方法,为密度峰值聚类引入了基于K近邻的局部密度定义方式、新离群点阈值确定方式、新样本分配策略,实现了用于异常检测的改进密度峰值聚类算法。分析了K近邻数对聚类效果的影响,结合弱监督标签信息,提出了弱监督聚类参数调整策略和无监督情况下的解决方案,实现了针对不同标签数量发动机的弱监督和无监督异常检测方法。实验结果表明,前文的特征提取方法能够从不同角度提取出异常样本的特点,该异常检测方法能够有效的检测出大部分已知异常,同时有较少的漏报和误报,特别是弱监督情况下异常检测效果更好,是一种具有广泛应用前景的异常检测方法。开发了民航发动机气路异常检测原型系统。该系统可以直接对多台发动机的气路参数原始值进行特征提取,根据数据标签数量,选择无监督或弱监督异常检测方法,实现气路参数的异常检测。该原型系统能够一定程度的满足航空公司发动机异常检测的需求,为其提供理论和技术支持。