航空发动机作为飞机的“心脏”,由于结构复杂、工作条件恶劣等因素影响,对其进行有效地健康状态监测成为航空领域长期难以解决的关键技术之一。发动机的健康状态的好坏直接影响飞机的飞行安全,实时、有效地状态监测发动机的健康状态,对于提高飞机飞行的安全性和可靠性具有重要意义。因此,本论文为有效监测发动机的健康状态,以航空发动机气路系统为研究对象,开展航空发动机的状态监测和故障诊断方法研究。首先概述了航空发动机状态监测研究背景、研究现状及多源信息融合技术,对发动机气路系统的组成和故障形成机理和故障征兆做了进一步的研究。结合发动机气路系统数据信息特点,运用自适应加权融合算法对原始数据预处理,消除虚假信息;然后提出了一种基于主元分析的状态监测方法,该方法既可以提取主元特征向量,实现样本的降维,又可以准确检测发动机的故障,确定故障变量源;其次,在发动机变量的特征向量的基础上,构建基于神经网络的故障诊断模型对发动机进行初步状态监测;最后,为了有效提高状态监测精度,有效地解决基于神经网络的决策诊断信息之间的冲突问题,利用模糊积分对采用三种神经网络的冲突监测结果进行冲突消解,从而有效地实现对航空发动机气路系统的状态监测。通过某型真实航空发动机试验验证表明,所提出状态监测方法,能有效提高监测的准确度,满足航空发动机状态监测的实时性要求,具有良好的工程应用价值。