发动机是整个飞机的心脏,其工作状态的好坏直接影响到飞机的安全可靠运行和人的生命财产安全,且航空发动机故障多发,因此研究和建立航空发动机故障诊断系统,有利于实现由传统的定期维修策略向更科学经济的视情维修发展,同时可以提高飞机运行的安全性、可靠性,具有特别重要的意义。经统计,气路部件故障通常占到发动机故障的90%左右。鉴于以上背景,本文主要对民用双轴涡扇航空发动机气路故障诊断的技术进行分析和研究。以小偏差理论为基础,详细介绍了航空发动机气路故障诊断的建模思路和方法,建立起可测参数与部件性能参数的关系—影响矩阵,为航空发动机状态监测和气路故障诊断提供了理论依据。收集航空发动机常见的气路故障规则,代入影响矩阵得到发动机在发生不同故障模式下,测量参数的偏差变化规律,以此作为系统状态检测、故障隔离的应用判定依据。随着人工智能技术的发展,神经网络在故障诊断中的应用取得了很大的进步。本文将RBF神经网络应用于航空发动机气路故障诊断,提出了简化定量分析RBF神经网络系统,网络结构简单,而且训练速度快,有很高的诊断精度和泛化能力。根据故障诊断的步骤和过程,提出了航空发动机气路故障诊断系统的组建原理和诊断流程,将数学建模和RBF神经网络的智能诊断技术相融合,为航空发动机的运行维护提供参考。