本文针对航空发动机气路性能趋势监视和故障诊断搭建了三个主要模块,包括发动机气路性能趋势实时监视模块,发动机气路异常检测模块以及发动机气路故障隔离和诊断模块。发动机气路性能趋势监视模块用来实时监视发动机在正常使用下性能的退化,为了实现该模块,本文利用发动机非线性模型获取包含健康参数的增广状态变量模型,并设计了卡尔曼滤波器。仿真结果表明,通过合理选择故障模式和传感器测量值,卡尔曼滤波器能够实时估计发动机性能的变化情况。发动机气路异常检测是为了检测发动机气路是否发生了故障,该模块采用模糊逻辑实现。仿真结果表明,合理设置隶属函数和模糊规则后,异常检测模块可以有效地检测到发动机气路中发生的异常。发动机气路故障隔离和诊断模块中采用自组织神经网络对发动机气路故障进行隔离,利用BP神经网络对隔离的故障进行定量分析。仿真结果表明,该网络能够准确地隔离出发动气路故障并判断因故障而导致的性能量变化。