作为飞机核心组成的航空发动机通常在较为恶劣的环境下工作,较容易发生故障,其维修成本也比较高。而发动机转子系统更是容易出现碰摩,裂纹和轴承损坏等故障。因此,进行航空发动机转子系统故障诊断研究对航空发动机维修以及航空产业的发展有重要意义。根据故障诊断相关研究,本文主要开展了多故障转子系统建模、振动信号故障诊断和故障模式识别等相关研究。在多故障转子系统建模方面,参考真实的转子系统特点建立动力学模型,以解决故障数据数量少的情况,得到转子系统动力学微分方程,考虑转轴横向裂纹、碰摩以及滚动轴承外圈脱落等故障,基于变步长Runge-kutta法进行数值求解,得到不同故障下的动力学响应,并采用元胞数组的方法提取了不同故障下较为充足的振动数据。在振动信号时频故障诊断方面,考虑到经验模态分解易在端点发散和模态容易失真的缺点,本文提出了基于循环平稳周期延拓的改进方法以及经验模态分解结合互信息量和独立分量分析的故障诊断方法,采用滚动轴承以及转子系统故障信号验证了方法有效性,可较为理想地消除端点效应,分离出各低阶高阶频率成分。在转子系统故障识别分类方面,采用当今较为热门的机器学习方法。将经验模态分解方法与参数优化的支持方法结合,进行轴承和转子系统故障诊断研究,故障识别率最高达94.735%。而在处理多种故障分类时,上述方法取得的结果欠佳,因此提出振动数据二维化处理的卷积神经网络的转子系统故障模式识别方法,依据卷积神经网络基本原理,将八种不同工况下转子系统的振动信号二维化处理后分类,故障模式识别率达到95.29%。