航空发动机是飞机的"心脏",其工作状况的好坏直接关系到飞行安全。由于发动机在使用过程中气路部件不断受到侵蚀磨损,性能逐渐退化,导致工作效率不断降低,并存在一定的安全隐患。发动机性能状态评估可以分析发动机健康状况,预测潜在故障。传统评估方法主要通过计算发动机排气温度的变化进行评估,该方法获取的发动机特征信息不够全面,运行中的监测数据未能得到有效利用。本文采用模拟退火思想对K均值算法进行优化改进,并用该算法对民航发动机性能状态进行无监督聚类分析,气路性能监测数据属于多参数时间序列,包含数据量大、维数高、数据更新快,若直接在原始数据上进行聚类分析效率很低,并且准确度也不高,因此先利用主成分分析对原始气路数据进行降维,选取处理后的主成分进行模拟退火优化的K均值聚类分析,最后得到K个状态聚类,从而获悉发动机在各监测点的性能状况,为发动机的可靠性控制提供了理论依据。同时结合具体实例,运用该算法,将航空发动机退化过程分成了三个阶段,找出性能衰退的明显拐点,并且聚类结果与发动机实际性能退化过程较为吻合,验证了本文方法的有效性。