随着航空运输业的迅猛发展,航空发动机健康管理显得尤为重要。同时,滑油系统作为航空发动机重要系统之一,其健康状态会对发动机的安全性和经济性产生很大影响。因此,对滑油系统进行健康管理对提高飞行安全、改善系统性能、降低维修费用都具有重要意义。对系统进行健康管理,需要解决的核心问题是如何实现对系统的健康评估和故障预测。本文以航空发动机滑油系统作为切入点,提出完善的系统健康管理评估、预测功能模块的实施方案,并在此基础上深入研究系统健康评估和故障预测中的核心问题和关键技术。论文首先研究了基于SOM神经网络的滑油系统健康评估方法。利用SOM神经网络确定了系统不同状态下的健康参数,并与故障状态下的健康指数进行比较,划分了系统的健康等级,为及时评判滑油系统的健康情况提供了依据。并利用正常样本及故障样本分别对SOM神经网络进行验证,结果证明了模型的有效性。其次重点研究了基于支持向量回归机的性能趋势预测模型,将其应用于航空发动机滑油系统的趋势预测,并利用遗传算法优化模型参数,有效防止过拟合现象的出现。实验结果表明模型可以准确判断后续时刻发动机滑油系统运行状况,实现发动机状态监测、故障检测和性能参数趋势分析。最后综合运用灰色关联分析法及层次分析法,构建了航空发动机健康状态评估模型。模型采用改进层次分析法确定评价指标的权值,用灰色关联分析计算评估对象的灰色关联系数,进而计算加权灰色关联度作为判断航空发动机健康状态的指标。同样利用SOM神经网络结合层次分析法,构建健康评估模型,得到健康状态指标。论文基于航空发动机的QAR(Quick access recorder)数据,将两者模型应用于实例分析,对多台发动机健康状态进行了评估,结果验证了方法的有效性。本文通过对发动机滑油系统健康评估及故障预测的方法研究,为航空发动机系统健康管理的实现提供技术保障。