该论文对航空起动发电机进行了故障检测与诊断技术的研究.综合使用了基于数学模型的参数估计法、不依赖于数学模型的信号分析法和神经网络的方法,将上述理论和方法应用于航空起动发电机的故障检测与诊断中.首先介绍了参数估计法的基本原理.建立了航空起动发电机在电动和发电状态的动态数学模型.利用方脉冲变换法完成连续时间域系统的变换;使用带遗忘因子的递推最小二乘法实现了该电机的参数辨识.完成了对电机起动状态的四个运行阶段的仿真研究,验证了参数法应用于启动发电机中的有效性.其次介绍了频谱分析的方法.主要研究了直流电机固有的换向纹波问题.通过转速同步采样法,解决了常规采样时电机转速波动造成的电流换向纹波频谱模糊化的问题.在此基础上对代用电机进行实验,对在不同故障下电枢电流的换向纹波的频谱进行了分析,提取相应情况下的频谱特征.利用频谱特征可以进行电机的故障检测与诊断.最后介绍了神经网络的原理.将神经网络和频谱法以及参数相结合,能更好的实现对电机的故障诊断.利用径向基函数神经网络对电机不同故障状态下的频谱特征向量进行学习,完成对故障向量民故障类型间的映射关系.代用电机实验数据表明该方法有效的实现了电机故障检测与诊断.