航空发动机状态监控与故障诊断可为视情维修方式的实施提供基本保障,是视情维修的基础。其中,状态监控可根据航空发动机的状态监控结果确定维修间隔以及维修内容,而故障诊断可以快速有效地将故障隔离,以便维修工作人员有针对性的进行处理。航空发动机状态监控与故障诊断技术对保障民航安全与降低维修成本有着显著的帮助。本文以FJ44型发动机为研究对象,通过采集该型发动机爬升阶段与巡航阶段的低压转子转速、高压转子转速、燃油流量和涡轮级间温度等性能参数,以相似换算与十点平滑法对性能参数进行预处理,利用预处理后性能参数与基线值的偏差绘制出性能趋势图,应用性能趋势分析的经验原则进行状态监控。另外,通过收集FJ44型发动机故障数据作为故障样本,将故障样本做相似换算与归一化处理,比较人工神经网络BP算法、PNN算法以及ELMAN算法下故障诊断的精度,选择最优算法进行故障诊断。本文以DELPHI为状态监控系统的开发平台,在CS构架下,运用ACTIVEX技术实现状态监控系统的网络化,并利用SQL关系数据库技术实现对历史故障信息查询与生成报表功能;运用LABVIEW与MATLAB的混合编程,应用LABVIEW的MATLAB节点,调用MATLAB的神经网络工具箱进行故障诊断系统开发。