航空发动机作为各航天系统的组成核心，其安全性和可靠性极其重要。通过对发动机进行准确的剩余寿命预测，可以有效预防事故的发生，对于保障航天系统正常运行具有重要的意义。由于航空发动机在退化过程中可能会存在某种故障的影响，该种故障的发生不会立刻让系统失效，而是加快发动机的退化速率，从而缩短其剩余寿命。然而，目前关于航空发动机的剩余寿命预测的研究是忽略该种影响或多数将故障定义为失效，这将会导致对航空发动机的剩余寿命预测精度和健康管理水平大幅降低。针对现有研究方法的不足，本文主要创新点及研究内容如下：
　　①为描述故障对航空发动机退化过程的影响，研究正常状态下基于Wiener过程的剩余寿命预测。其中，为解决发动机的个体差异性问题，利用全概率公式获得对应的剩余寿命分布。同时为了解决发动机在线寿命预测问题，本文采用极大似然估计和贝叶斯理论相结合的方法完成参数估计。最后对实验数据集进行详细的分析，通过退化数据集验证了正常状态下考虑个体差异性和预测模型更新的两大因素将提高剩余寿命预测的精度。
　　②针对故障点可能存在退化过程中的问题，利用Wiener过程建立故障影响下的退化模型。分别讨论故障发生时刻为定点和随机变量的两种情况，推导了对应的剩余寿命分布。针对故障发生时刻为定点情况下的参数估计问题，建立基于粒子群算法的SVM分类判别模型，在此基础上运用似然方法完成未知参数的估计。针对故障发生时刻为随机变量情况下的参数估计问题，利用EM算法的进行退化模型参数的估计。通过试验数据集的验证分析，相比于只考虑正常状态的剩余寿命预测，考虑故障影响下的发动机剩余寿命预测结果更接近实际值。
　　③由于故障的发生将会导致多个性能参数退化轨迹的变化，并且参数之间可能存在相关性，难以直接建立多元的退化模型。为进行对比实验，在获得各单参数故障影响下的寿命分布基础上，首先研究故障影响下多参数独立的剩余寿命预测，然后针对多参数相关的问题，本文利用Copula函数获取故障影响下联合寿命分布。相比于单参数和多参数独立的剩余寿命预测，实验结果表明故障影响下的多参数相关的寿命预测模型具有最高的预测精度。