航空发动机燃油泵作为燃油控制系统的重要组成部分,其健康状况直接影响着发动机的可靠性和使用寿命。当燃油泵发生故障且得不到及时准确的解决时,很可能会影响整个燃油系统的正常工作,甚至影响航空器的飞行安全。目前,国内在进行航空发动机故障诊断时,较多地采用人工经验诊断的方法,即凭借诊断人员丰富的实践经验和一定的理论知识,借助一定的简单工具,用眼看,耳听,手摸等手段来检查和定位故障,分析故障产生的原因,进而提出排故措施。但是,由于人员技术水平参差不齐,诊断技术不成熟等原因,导致了诊断维修时间过长,影响航空器的使用效率以及安全性和经济性。因此,开展基于更加科学高效的故障诊断方法的研究是十分必要的,且具有一定的工程应用价值。为了得到燃油泵的故障模型,本文在分析了该型燃油泵工作原理及各参数的变化规律的基础上,利用AMESim软件和Matlab平台下Simulink模块建立燃油泵的数字孪生体,在验证其精确性的基础上,通过在仿真模型中添加故障的手段,获得了该型燃油泵在典型故障模式下的仿真模型及故障数据。实践表明,本文所建立的燃油泵仿真模型,在正常工作模式下,其所输出的工作参数变化曲线与飞行记录仪所记录的数据,两者之间的拟合程度满足要求。并且,通过故障注入手段获得的故障模式下的工作参数变化曲线,其特征与理论分析结果基本保持一致。该方法为故障数据较少或难以获取的诊断问题提供了一个很好的解决思路。采用基于人工智能的方法建立燃油泵故障诊断模型,选取诊断参数并进行归一化处理。将单向活门卡滞和膜盒泄漏两种典型故障及故障组合进行诊断。诊断结果表明,在故障样本较少且难以获取的情况下,随机森林,支持向量机以及神经网络等基于人工智能的故障诊断模型具有良好的适应性,适用于本文所研究的燃油泵故障诊断。并且,对比三种故障诊断模型的诊断结果,基于LSTM深度神经网络诊断模型具有更高的诊断精度。