滚动轴承是航空发动机承力传动系统的关键部件,工作在高速、高温以及高载荷的变工况下,极易发生故障,因此,对航空发动机滚动轴承进行故障诊断和寿命预测对于有效地实施航空发动机的视情维修和健康管理具有重要的理论意义和工程实用价值。基于此,本文分别开发了离线油液磨粒检测技术和在线油液磨屑检测技术,研究了航空发动机滚动轴承故障诊断方法和寿命预测方法,并进行了实际工程应用和试验验证。论文主要研究内容如下:(1)总结了常见航空发动机滚动轴承的失效基本模式,以某型航空发动机为例,通过研究典型的主轴承和附件机匣轴承故障案例,分析了其失效原因和机理,结果表明,航空轴承主要失效模式为滚动接触疲劳失效。通过航空轴承加速失效试验平台,进行了实际航空轴承的疲劳剥落失效过程试验,并对轴承进行了失效原因分析,表明通过该试验过程可以模拟航空发动机轴承的疲劳剥落失效过程。最后对航空发动机滚动轴承疲劳失效过程中的征兆信息进行了分析,对现有航空发动机轴承故障监控方法的缺陷和不足进行了讨论,梳理航空发动机滚动轴承的失效特征,可以针对小尺寸磨粒开展油液磨粒离线监测实现对航空发动机滚动轴承的故障诊断,针对大尺寸磨屑进行油液磨屑在线监测,从而实现对航空发动机滚动轴承的状态评估和寿命预测。(2)针对目前油样分析方法中难于实现对大于10μm的磨损颗粒的检测问题,为更有效的诊断航空发动机轴承疲劳失效故障,研究了油液运动磨粒智能检测技术,并专门设计开发了基于磨粒图像分析的多功能油液磨粒智能检测与诊断系统(Multiple Intelligent Debris Classifying System,MIDCS),既能计算油液固体颗粒污染度等级,又能对大于10μm以上的颗粒进行分析判断,将颗粒识别为金属和非金属,同时对金属颗粒进一步识别为切削磨粒、严重滑动磨粒、疲劳磨粒,对非金属颗粒进一步区分为气泡、纤维、其他非金属颗粒等。提出了基于遗传算法的显微成像系统多参数自适应调整的新方法。针对MIDCS中的磨粒识别特征冗余问题,利用Weka软件的C4.5算法对特征磨粒样本集进行了规则提取,获取了识别磨粒的专家知识规则,并对规则进行了分析,并与人工提取的规则进行了比较,结果表明本文所提取出的磨粒识别规则反应了实际磨粒识别的统计规律,具有很高的识别精度。(3)研究了基于油液运动磨粒检测的航空发动机磨损故障诊断方法,对磨粒监测界限值制定方法进行讨论分析。采用MIDCS进行了实际航空发动机磨损监控验证,由于MIDCS对10μm以上的异常磨粒检测力更强,而滚动轴承早期疲劳剥落将产生10μm以上的异常磨粒,因此,与传统光谱分析相比,MIDCS对于监控航空发动机滚动轴承疲劳故障更具优势。采用MIDCS磨粒检测,成功提前预报多起航空发动机故障,避免了危险性事故的发生。(4)对油液在线磨屑监测传感器进行了理论分析,讨论了铁磁性颗粒检测和非铁磁性颗粒检测的原理。根据理论分析结果,设计开发了油液在线磨屑监测系统,讨论了系统结构和工作模式。研究提出了磨屑识别策略和算法,并进行验证,表明了算法的有效性。在传感器信号处理方面,研究了改进中值滤波去噪方法,并通过实验对所提方法进行了验证,传感器的信噪比有了明显的提高。(5)以航空发动机附件机匣的35-206P1型轴承为试验对象,进行了15组航空轴承疲劳加速实验,并通过分析筛选出有效的轴承失效数据;在试验的基础上,引入了支持向量回归(support vector regression,SVR)对有效数据进行训练建模,得到了滚动轴承的剩余使用寿命(Remaining Useful Life,RUL)关于径向载荷、转速、特征量的预测模型,该模型可通过试验补充不断地拓展完善;最后,对实时采集的轴承数据,通过GM(1,1)灰色模型对轴承状态进行动态预测,并结合已建立的预测模型得到轴承的剩余使用寿命。