为了实时监控航空发动机工作参数变化情况,快速及时地预测并诊断发动机故障,本文基于实际试飞数据建立了航空发动机ANN-NARX参数预测模型,考虑到建模样本量大、模型结构复杂、训练时间长、输入输出延迟等因素,采用遗传算法对模型的最小数据样本需求和结构进行了改进优化,并利用蒙特卡洛方法确立了参数预测模型的自适应告警门限,同时,基于构建奇偶空间残差模型实现了航空发动机典型故障诊断.结果表明:实际试飞中只需有限架次试飞数据的训练学习,即可得到发动机参数预测模型,高压转子转速、压气机出口压力、低压涡轮出口温度及滑油回油温度相对误差最大值分别为1.0％,1.7％,0.2％和1.2％,综合模型建模误差和参数测量误差后的自适应告警门限有效降低了模型预测结果的不确定性,在已有数据样本集上的典型故障识别率达到95.2％.