航空发动机是飞机的主要动力装置,其运行参数的精确测量为发动机状态监测提供重要的参考依据。叶尖间隙作为重要的运行监测数据,表征发动机涡轮叶片与机匣之间的距离值,叶尖间隙值过大会导致涡轮机效率降低,增加发动机油耗,而过小则可能导致叶片与机匣发生碰撞,造成机匣或叶片发生磨损,威胁发动机运行安全,造成巨大的安全隐患,因此叶尖间隙值的精确测量是实现发动机闭环控制的重要手段。传统叶尖间隙测量研究一般聚焦于新的测量原理与方法,但是随着发动机转速的不断增加,传统方法在采样频率上将无法满足奈奎斯特采样定理,从而影响叶尖间隙值的精确提取。针对这一问题,本文重点研究一种基于压缩感知的欠采样条件下的叶尖间隙精确提取方法,主要研究内容如下:1、首先,为研究航空发动机叶尖间隙变化范围,以对叶尖间隙测量方法提供数据支持,本文采用Ansys Workbench流固热耦合模型展开仿真分析,模拟不同温度、转速、流速下的叶尖间隙变化规律,探索叶尖间隙的主要影响因素,得到叶片的形变范围,对后续叶尖间隙的精确提取提供数值参考;2、其次,针对欠采样叶尖间隙测量数据无法采用奈奎斯特采样定理进行精确重构的问题,本文研究基于压缩感知的欠采样数据恢复方法。基于叶尖间隙采样数据特征,重点研究采样矩阵与稀疏矩阵的构建方法,并设计有效的数据重构算法,实现叶尖间隙的精确提取;3、最后,本文采用激光三角测距法对上述算法进行了验证,搭建仿真叶片转子平台,通过不同的采样频率得到叶尖间隙测量数据,以高采样频率的数据作为真值,进而对欠采样数据进行处理,实现欠采样条件下叶尖间隙数据的精确重构,验证本文方法的有效性。