航空发动机作为飞机的核心部件,其安全性、可靠性和经济性是航空发动机制造商、维修厂和航空公司等各相关部门关注的焦点。为了取得最大的经济效益和安全性,对航空发动机进行剩余寿命预测与健康评估有着重要意义。航空发动机气路部件是航空发动机的关键部件,故障率高,是发动机的主要监控对象。其性能参数存在着种类多,变化幅度大,趋势性不明显等问题。本文以航空发动机气路部件为研究对象,采用数据挖掘技术和人工智能算法作为工具,综合考虑在翼时间和性能参数对发动机寿命和健康状态的影响,构建了一种新的航空发动机剩余寿命预测方法和健康状态评估及预测方法。主要研究内容如下:分析了航空发动机的气路部件性能参数的特点,有针对性的选择适用于航空发动机气路部件性能参数的数据平滑方法。由于发动机性能参数随在翼时间波动较大,趋势不一致,本文采用两种不同的数据平滑方法进行对比试验,结果显示Savitzky-Golay平滑法较指数平滑法更适合用于发动机气路参数的预处理。对不同核函数的支持向量回归机应用于发动机性能趋势预测的效果进行讨论,并根据具体性能参数选择适合的核函数。在核函数决定后,利用遗传算法对支持向量回归机进行参数寻优,结果显示,采用最优参数的支持向量回归机预测准确率较高。利用支持向量回归机对发动机性能参数进行趋势预测,利用支持向量分类机建立综合考虑在翼时间和多种性能参数的失效决策模型,并将两者结合构成航空发动机剩余寿命预测模型,然后以真实失效数据进行验证。采用隐马尔可夫模型以发动机群全寿命数据为依据,建立航空发动机自适应健康状态分类评价方法。将多种性能参数作为观测值向量建立混合高斯隐马尔可夫模型,模拟航空发动机基于多性能参数的健康状态全寿命退化过程。并在此基础上,结合性能参数趋势预测方法,构建航空发动机健康状态预测方法。