目前,涡扇发动机是世界上军用和民用飞机中最常用的航空动力装置,轴流压气机是涡扇发动机的核心部件之一。在压气机的运行中,由于气流原因将导致压气机工作不稳定乃至发动机熄火崩溃,其中,旋转失速和喘振是两种典型性态。而旋转失速被认为是喘振先兆。研究失速起始并能进行快速有效的监测预警,将大大的提高已有型号发动机的可靠性和稳定性。众所周知,高性能航空发动机是衡量一个国家工业综合水平的重要标志,发动机的优劣对飞机性能有着决定性的影响。世界上主要发达国家长期以来高度重视高性能航空发动机的研究,并严格禁止关键技术的出口。我国是世界上具备航空发动机自主研发能力的少数国家之一,与世界先进水平相比,在可靠性、稳定性和效率方面仍存在很大差距,迫切需要加大研究投入。而确定学习理论是近年提出的有关于动态环境下的机器学习的新理论,通过利用RBF神经网络的学习能力,实现对未知动态环境下的知识获取、表达、存储和利用。基于确定学习的旋转失速监测为识别压气机旋转失速提供一种新的方法。针对旋转失速,通过利用RBF神经网络对失速动态进行学习,定义模式并以常值权值的形式保存。监测过程中,通过不断将被测数据与模式库中失速模式进行比较,根据匹配程度给出相关预警信号,达到对旋转失速的监测效果。在工程实现上,本文给出了一种切实可行的离线分析系统实现。结合MATLAB并行工具箱以及GPU高性能显卡计算能力,通过MATLAB GUI友好的界面编程,设计实现了完整的离线分析平台。MATLAB并行工具箱提供了一种处理庞大数据的经济、高效的方法,这种方法可以节省时间和空间,使计算机资源得到充分的利用。同时,针对算法的细粒度并行化分解采用GPU大规模并行计算方案。最后,我们利用MATLAB GUI友好的界面编程可以快速高效的搭建专业、操作舒适的用户界面,方便分析人员使用。整个离线分析平台包括数据预处理、数据段的选取,学习、识别、结果分析等部分。经过实践证明,轴流压气机旋转失速检测离线分析系统为进行试验台在线实时检测提供良好的辅助工具,从而推进课题项目研究。