随着C919大飞机首飞成功,标志着我国航空事业进入高速发展的新时期。而航空发动机作为飞机的“心脏”,是所有系统部件中最重要的。基于此实现对航空发动机核心系统(气路、油路等)的在线监测与诊断显得尤为重要,但目前在我国甚至世界范围内都没有很好的解决办法。而静电监测技术是具有在线监测诊断和预测能力的技术,近年来该技术在航空发动机上的应用研究也越来越多。其原理是当发动机气路或者油路系统出现故障时会产生大量异常带电颗粒,这种异常颗粒相比于正常工作产生的颗粒具有粒径大和浓度高等特点,携带的荷电量远大于正常范围,通过静电传感器监测异常颗粒的荷电水平,进而实现发动机部件性能状态评估。本文针对航空发动机在线监测难以实现的问题,运用静电感应原理的方法对航空发动机部件进行监测。主要研究内容如下:1.介绍了目前常用的监测方法和静电监测技术理论基础,分析了航空发动机气路、油路的颗粒故障来源和荷电形成机理;2.完成了传感器结构模型的设计,并建立数学模型,用有限元分析的方法对感应探极灵敏度空间分布进行了分析,并对影响探极灵敏度的主要因素进行研究,完成了对传感器探极模型的优化设计;3.设计了具有高灵敏度的前置放大电路,并进一步进行信号处理,包括整流和低通滤波的设计,在此基础上又进行了二级放大电路的设计,最后为了便于数据的存储和读取对信号进行了A/D转换;4.为了实现对航空发动机部件的监测,模拟真实试验环境,搭建了模拟试验台,测得了大量实验数据,从带电颗粒粒径和浓度两大主要因素进行分析,首先是通过粒径和监测信号的的拟合分析得出两者定性关系;然后重点对颗粒浓度和监测信号关系进行分析,提取了监测信号的六大特征量,用因子分析的方法进行降阶处理,降阶后的特征量作为输入,运用基于遗传算法优化的BP神经网络方法建立了数学模型,经过优化训练得到了感应信号与浓度的关系。