发动机的故障诊断对航空公司有着非常重要的意义，如果能全面了解发动机性能并对其故障进行快速、准确的隔离和辨识，就可以更好地有计划地换发以及确定发动机送修时的工作范围和深度，从而大大地减少运营和维修成本，提高公司效益，并有效避免重大事故的发生。本文在介绍当前飞机发动机故障诊断技术及分析神经网络用于发动机故障诊断现状的基础上，将BP和径向基神经网络用于飞机发动机故障诊断作为研究课题。 发动机的状态监控是先进航空维修的必要手段和前提条件，自从有了状态监控技术的发展，视情维修就成为现代维修的主导方式。发动机状态监控与故障诊断正是实现视情维护的技术基础之一，它是通过在工作状态下监视发动机的工作参数，来判断发动机的技术状态，当发动机(或部件)出现故障时，准确找出故障所在。本课题的研究目的是将神经网络技术应用于航空发动机气路部件故障的诊断。 本文首先讲述了故障诊断和神经网络的理论基础；然后介绍了BP网络模型及其应用；在此基础上对径向基(RBF)神经网络用于飞机发动机故障诊断进行了研究。首先介绍了径向基(RBF)神经网络及其学习算法，然后结合飞机发动机故障实际情况，采用改进的聚类学习算法。径向基(RBF)神经网络具有网络训练与计算速度快、泛化能力强的优点，但需要进一步研究其隐层基函数中心和方差的确定。