航空发动机作为飞机的“心脏”,其工作的可靠性直接关系到整个飞机的飞行安全,所以对其运行状态的监测十分重要。而航空发动机的结构复杂,工作环境恶劣,出现故障的模式多,几率大,因此我们必须实时掌握航空发动机部件的运行状况,及时准确的定位航空发动机故障部位,并对故障进行迅速识别,缩短飞机的停车时间,提高飞机的出勤率,保证飞机的运行品质。目前航空发动机的诊断技术向着实时化、智能化、系统化、早期化、网络化发展,单一的诊断技术已经不能满足航空事业发展的要求。这就要求科研工作者在航空发动机状态监测与故障诊断技术不断创新,充分利用各种采集信息,联合多种诊断技术,有效地融合,扬长避短,及时全面的对航空发动机进行监测,高效率地进行实时诊断,为航空事业的发展提供技术支持。本文以磨粒识别技术和能谱分析技术为基础,运用BP神经网络、灰色理论、模糊理论等智能方法,对航空发动机进行状态监测与故障诊断。首先通过对磨粒的二维尺寸进行灰色关联度、神经网络分析,进行磨粒识别;同时通过能谱分析得到金属元素浓度,并制定金属浓度界限值表,运用神经网络进行故障识别。然后运用模糊理论专家方法,融合两种技术分析方法构建智能诊断模型,实验论证了模型的准确性,并运用灰色理论预测航空发动机的故障。最后初步开发了一套基于信息融合技术的航空发动机智能监测系统软件。