刹车片作为民用飞机刹车系统的核心机构,是机、电、液高度耦合的多输入多输出控制系统,有着严重的非线性特征,并且结构复杂,故障率较高。对刹车片进行准确有效的状态监控有助于判断刹车片的性能,并及时发现潜在的故障,避免出现重大事故。因此,研究民用飞机刹车片的状态监控技术具有重要的理论和现实意义。论文对民用飞机刹车片进行深入研究。从数据驱动角度入手,改进并融合了支持向量回归(SVR)算法和粒子滤波(PF)算法,形成了一种新的融合型状态监控算法,通过对刹车片摩擦力矩和速度变量的估计来监控其状态。具体完成的工作内容如下:首先,对SVR算法的核函数进行分析研究,发现传统核函数在对样本数据进行映射处理时,只考虑到样本数据变量之间的关系,却忽略了样本本身的分布信息。基于此,从核函数构造原理的角度出发,提出了包含样本数据分布信息的新型概率核函数,以此来提高SVR算法输出的精度,并对后续改进PF算法的重采样技术做好铺垫。其次,针对标准PF算法存在的粒子退化问题,提出了一种基于海林格距离度量的重要性概率密度函数的选取策略。考虑使所设计的重要性概率密度函数与理论最优的重要性概率密度函数之间的相似性最大,也就是海林格距离最小,由此而计算得到改进的重要性概率密度函数的分布形式。缓解了标准PF算法的粒子退化问题。然后,针对PF算法存在的样本贫化的固有缺点,设计了一种融合SVR算法的重采样技术。应用所提概率核函数构造重采样时粒子分布的概率密度函数,并通过SVR模型计算,最终得到重采样时的粒子及其相对应的权值,从而提出一种全新的重采样技术,缓解了粒子退化问题并保证了粒子的多样性,最终形成一种新的融合算法。通过融合算法实现对刹车片的状态变量的估计,从而达到对其进行状态监控的目的。最后,构建仿真实验环境,将刹车片摩擦力矩和机轮速度的数据用于SVR-PF算法,对刹车片的状态进行监控,验证并评估了算法的整体性能。