直升机旋翼故障诊断是直升机健康状态与使用监控系统(HUMS)的重要组成部分。传统的测桨毂载荷和桨尖位移的旋翼故障诊断方法,操作复杂在实际中很难运用。本文在利用机体振动信号诊断旋翼不平衡故障的理论基础上,结合模糊推理技术和神经网络原理,提出了模糊RBF神经网络旋翼故障诊断模型。本文具体的工作内容如下:(1)分别采用主分量分析、独立分量分析特征提取技术,对旋翼故障信号进行特征提取,结合模糊RBF神经网络模型分析两种特征提取方法的诊断效果,结果表明主分量分析提取方法与模糊径向神经网络网络结合故障分类准确率为97.06%,而独立分量分析只有47.05%;(2)建立旋翼不平衡故障分类的模糊RBF诊断模型,分析不同输入划分、模糊子空间和主贡献率等因素对分类结果的影响,同时对比支持向量机、RBF神经网络诊断模型的诊断结果,结果表明模糊RBF神经网络诊断模型识别率要远远高于支持向量机、RBF神经网络诊断模型;(3)采用遗传算法对故障程度识别的模糊RBF神经网络聚类中心进行优化,对比优化前后故障程度识别的相对误差,结果表明优化后识别精度有了很大的提高;(4)基于模糊神经网络诊断模型程序,利用Matlab里的GUI模块开发了旋翼故障诊断系统界面,该界面含有5个功能模块,操作方便,能够快速的实现故障诊断。