航空发动机是一种结构极其复杂的气动热力系统,其作为飞机的“心脏”,为飞机提供飞行所需的动力来源。航空发动机由于其构造复杂且极易受所处环境因素的影响,在长时间飞行过程中会产生这样或那样的故障,影响飞机运行的稳定性和安全性。因此,针对航空发动机运行过程中经常出现的典型故障进行建模仿真与预测研究分析,对于提高航空飞行器运行安全,具有重要意义。本文主要对航空发动机的压气机喘振、燃烧室雾化、尾喷管推力下降三种典型故障进行研究。由于航空发动机本身的特殊性和运行过程中出现故障的关键参量数据通常会涉及保密要求,因此本研究内容主要分为三个部分:第一部分针对发动机三种典型故障的界定、故障诱因、表现症状及危害分别进行了分析和总结。第二部分,发动机建模与典型故障基于模型的仿真,首先对航空发动机的进气道、风扇、压气机、燃烧室、高低压涡轮、混合室入口和出口外涵以及尾喷管利用其运行过程中的热力学变化机理对各部件进行建模与仿真;其次,利用各部件协同工作所遵循的功率与流量平衡方程进行发动机整体模型的搭建和正常运行过程的仿真;最后,基于发动机的部件级模型,对三种典型故障的模拟与仿真,根据三种典型故障的典型症状,在模型输入处添加异常或扰动来进行模拟与仿真其表征典型故障关键参量的变化情况。第三部分,基于仿真的航空发动机典型故障数据趋势预测,首先基于仿真数据构建SVM网络、BP神经网络、LSTM循环神经网络三种预测算法;其次提出了故障预测效果评价指标;最后对喘振故障、燃烧室雾化故障、尾喷管推力下降故障利用这三种神经网络预测算法进行仿真预测对比、结果分析和性能评估。本文搭建了航空发动机部件级仿真模型,在此基础上,模拟了发动机三种典型故障关键参量的异变过程,并用构建的神经网络算法对故障关键参量的变化趋势进行了预测精度对比与评估。本研究为复杂系统建立模型提供了一种可视化工具与手段,也可为航空发动机故障预测提供数据支持,为复杂系统数据难获取问题提供了一种解决途径。同时,该研究为故障数据趋势预测工作提供了实用技术分析方法和工具思路。