航空发动机一直被喻为飞机的心脏,其性能衰退情况直接影响着飞机的飞行安全和航空公司的经济效益。航空发动机的性能衰退主要表现在其性能衰退参数呈品质下降趋势,而性能衰退参数属于时间序列参数,必须利用能够处理时间序列的方法来处理和预测航空发动机的性能衰退情况。DEGT(Delta Exhaust Gas Temperature, DEGT)是发动机重要性能衰退参数之一,本文以DEGT为例,对航空发动机性能衰退预测技术展开研究。针对航空发动机性能衰退参数的时序特点,避开繁琐的、实际操作困难的数学建模和无法反映参数时间累积效应的传统人工神经网络预测方法,提出一种基于过程神经网络的性能衰退预测方法,并将前馈过程神经网络、双并联过程神经网络、小波过程神经网络分别应用于航空发动机性能衰退预测中,对各种模型的预测结果进行比较,分析影响过程神经网络泛化能力的多种因素。在此基础上,为提高预测精度和克服单一过程神经网络的预测缺陷,提出基于过程神经网络集成的性能衰退预测方法,介绍过程神经网络集成的基本概念和基本理论,分析个体网络输出结果合成阶段的几种方法,并对各种方法的优缺点进行比较。为提高过程神经网络集成的泛化能力即优化过程神经网络集成模型,对影响过程神经网络集成模型泛化能力的诸多因素进行分析研究。在上述理论研究的基础上,开发“基于过程神经网络的航空发动机健康状态预测系统”,并集成到“基于Web的航空发动机健康状态监测和维修数据管理系统”中,为实现航空发动机性能衰退预测的实时化、自动化和智能化提供支持。