航空发动机气路故障是发动机故障类型中最常见的一种故障类型，常常发生在高温高压部件。该故障一般会导致发动机性能参数（流量和效率）的下降，严重的话会影响发动机的安全性能和可靠性能。航空发动机气路故障诊断技术可以对发动机各气路部件进行实时监控和检测，对于故障能够进行及时准确的判断，并能根据故障类型和大小及时的进行处理。该技术可以有效的提高发动机运行的经济性以及可靠性，大大降低发动机运行的成本，因此该技术的研究具有很高的实用价值。本文在航空发动机非线性模型的基础上，采用卡尔曼滤波和粒子滤波两类方法，对两类故障（突变型与渐变型）实施了故障诊断。首先，在基于Matlab/Simulink的航空发动机部件级模型的基础上，建立了简化的非线性气路故障诊断模型，并将简化仿真模型的结果和部件级模型的运行结果进行对比，以验证简化模型的准确性。采用拟合法进行建模，并且在模型中引入了发动机健康参数，在建模过程中采取了归一化的思想对数据进行处理，大大的减少了计算量。从机理出发，通过引入平滑滤波器和低通滤波器这两种方法，对卡尔曼滤波方法进行机理性的研究，并分析影响卡尔曼滤波器滤波效果的因素，之后结合简单的航空发动机模型进行实例说明。在标准卡尔曼滤波器的基础上，引入了扩展卡尔曼滤波器（EKF）和无味变换卡尔曼滤波器（UKF）两种方法，重点探讨了两种方法的适用范围和影响因素。在之前所建立的简化非线性模型的基础上，设置了突变型和渐变型两类气路故障，并分别采用EKF和UKF两种方法对其进行故障诊断。仿真结果表明，对于弱非线性系统，UKF相对于EKF存在一定的优势，但不明显。UKF方法适合于诊断突变型气路故障。最后，将粒子滤波方法引入到航空发动机气路故障诊断领域，探讨粒子滤波方法在该领域的适用性。首先对粒子滤波方法（PF）的基本思想和影响因素进行研究，并在此基础上对改进型方法（EKPF）进行探讨，针对突变型和渐变型两类气路故障类型，采用两种方法分别进行诊断研究。结果表明两类方法在诊断效果上能满足基本的要求，但是PF不适合诊断突变型故障，而EKPF由于可以克服粒子滤波方法存在的粒子退化问题，诊断效果要好于PF。