航空发动机是飞机的动力系统,其健康状态决定飞机的安全可靠运行。在航空发动机的部件当中,最高故障率的系统是气路系统,研究气路系统健康状态预测是航空发动机健康管理的关键环节。由于气路系统的复杂性,建立动态、全面的健康状态预测模型是困难的。因此,如何利用航空发动机气路系统的各种监测数据、专家知识等信息去反映气路系统的健康状态是必要的。本文在置信规则库（Belief Rule Base,BRB）理论框架下,利用气路系统的多个性能参数作为输入特征,融合专家知识,研究基于多特征的航空发动机气路系统健康状态预测方法,动态、全面的反映航空发动机气路系统健康状态。首先,分析航空发动机气路系统的工作机理和故障机理,确定健康状态特征量,建立融合多特征置信规则库的（Multi-feature Belief Rule Base,MBRB）航空发动机气路系统健康状态预测模型,通过气路系统不同物理特性的多个性能参数,相比传统的利用单个或两个气路系统性能参数预测,所提方法包含更丰富健康状态信息,同时,利用投影协方差矩阵自适应进化策略（The Projection Covariance Matrix Adaptation Evolutionary Strategies,P-CMA-ES）优化算法对模型参数更新,克服专家知识在设置初始置信规则库参数时的主观性。其次,考虑到航空发动机气路系统运行环境的恶劣性,监测数据存在环境干扰和传感器性能退化影响的问题,为建立更加真实、准确的航空发动机气路系统健康状态预测模型,提出一种考虑监测误差的多特征置信规则库（Multi-feature Belief Rule Base With Considering Monitoring Error,MBRB-?）的航空发动机气路系统健康状态预测模型。再次,考虑到工程实际中,庞大的模型结构会降低模型的实时性,而模型结构单一会降低模型的预测效果,不能动态全面反映气路系统的健康状态,因此,提出一种基于并串行置信规则库的航空发动机气路系统健康状态预测模型,解决单个置信规则库模型复杂度高、运行时间长的问题。最后利用某型航空发动机监测数据证明了航空发动机气路系统的健康状态预测模型的有效性。并且,以本文提出的健康状态预测模型为基础,开发了可视化的航空发动机气路系统健康状态预测软件,验证了有效性。