航空发动机是飞机的“心脏”，加强发动机状态监控不仅有利于提高飞机运输安全，而且还能减少发动机的维护成本。航空发动机状态监控技术很多，其中气路参数监控技术是很重要的监控技术。气路参数监控技术根据偏差值模型得到气路参数偏差值，然后用偏差值的变化趋势来判断发动机的性能状态，根据偏差值预测以进行“预诊断”。显然，有必要研究发动机气路参数偏差值及其应用。为得到气路参数偏差值模型，可将气路参数偏差值模型分解成标准化模型、基线模型和补偿值模型三个部分。本文首先对发动机制造厂商的状态监控系统进行实验分析，获得标准化模型和基线模型的函数表达式。然后建立基于支持向量机的补偿值模型，用粒子群算法对支持向量机参数进行优化。最后，运用航空公司实际数据验证偏差值模型，应用表明模型误差很小，能够满足实际使用要求。发动机气路参数偏差值原始值的信噪比低，异常点多，且不易观察变化趋势。一般需要对偏差值进行异常点识别和平滑处理。论文首先建立了基于二次指数平滑法的异常点识别模型；然后给出了偏差值处理的评价指标，针对评价指标建立模型优化平滑系数和显著性水平参数，用粒子群算法解优化模型；最后运用该方法对发动机排气温度偏差值进行异常点识别与平滑处理。应用表明该方法具有较好的平滑效果。气路参数偏差值预测理论上是时间序列预测。为此论文首先研究了时变模糊推理系统的理论；然后建立时变模糊神经网络对推理系统的参数进行学习，给出了该网络结构的学习算法；最后利用Mackey-Glass混沌时间序列的预测验证了网络的预测精度，并用该网络对航空发动机排气温度偏差值进行预测。从中国国际航空股份有限公司的需求出发，完成状态监控系统的总体体系结构设计，系统采用6层结构。还完成了系统功能模型的设计，将系统划分为6个大的功能模块。此外还完成了系统的构架设计，将自动运行功能模块单独放在一个应用服务器上。该系统现在已经在国航上线运用，实际使用表明本系统能较好地完成发动机的状态监控，并且操作方便，能有效地提高航空公司的工作效率。