航空发动机作为现代飞机的核心动力，其安全性与可靠性至关重要。关于航空发动机的运行状态的监测技术研究一直是人们所关心的研究方面。据统计，在机械装备的故障中，80%以上与磨损有关，因此基于摩擦学理论的油液监测技术所得到的信息最能直接反映出系统的运行状态。本文以传统的油液理化技术、铁谱技术和光谱技术为基础，将传统的统计学方法与新兴的人工智能方法相结合，开展关于航空发动机磨损状态智能监测系统的研究。本文的所作的工作主要包括：（1）运用传统的数理统计方法对油液监测原始数据的预处理工作。预处理主要是为了消除隐藏在数据中的不利因素，例如人为误差、环境因素、仪器精度不足等的影响对于数据的干扰。(2)考虑到光谱分析数据的复杂性，采用模糊聚类的方法对光谱数据做分组处理，根据分组情况对部分数据做舍弃的处置，达到简化数据的目的。(3)采用层次分析法为油液分析数据的各项指标分配权值大小，以区分它们对于评价系统状态的重要程度。(4)将相对劣化度加以改进之后用于评价航空发动机的磨损状况，并根据第三步的权值分配建立航空发动机的综合劣化度模型，能够综合各种评价指标对发动机的运行状态作出评价。(5）将人工智能方法的反面选择算法运用于航空发动机的故障诊断中，训练好的免疫系统能够判定出故障的类型以及发生部位。（6）采用时序分析方法的AR（n）模型，以系统的综合劣化度的时间序列为参数，建立时间序列预测模型，根据历史数据计算得出的劣化度预测系统的磨损趋势的大致预测。（7）初步设计开发了一套基于油液数据的航空发动机的智能监测系统，该系统能依据采集的油液样本数据对发动机的磨损状态做出诊断和预测。