航空发动机气路性能分析对发动机预测健康管理具有重要意义,本文以某型涡扇发动机为研究对象,开展了基于分布式卡尔曼滤波的航空发动机气路性能分析方法研究。在集中式滤波和线性滤波的基础上,设计了在分布式架构下的非线性滤波算法。首先,介绍了涡扇发动机的部件级模型,以及状态空间模型,给出发动机气路性能分析原理。然后,引入了联邦滤波算法,设计分布式线性卡尔曼滤波算法。引出EKF和UKF两种非线性滤波算法,并设计子滤波器,提出了分布式非线性卡尔曼滤波算法,仿真表明,分布式架构下非线性滤波算法具有较高的精度。针对航空发动机分布式架构下的数据网络丢包,设计了分布式改进扩展卡尔曼滤波算法。建立网络传输过程的数据丢包模型,引入状态接收矩阵,获得了改进的量测方程,再推导出分布式改进扩展卡尔曼滤波算法,并分析了改进扩展卡尔曼滤波的分布式与集中式的估计等价性。仿真表明,在数据丢包概率较大时,分布式改进扩展卡尔曼滤波具有较大的精度优势,且没有增加额外计算时间。针对航空发动机分布式架构下的数据网络延时,将缓存器引入分布式滤波算法中,提出了分布式自适应缓存扩展卡尔曼滤波算法。建立网络数据延时模型,引入缓存状态变量,设计了分布式缓存扩展卡尔曼滤波算法,讨论了缓存器长度与滤波稳定性的关系,给出了滤波稳定的最小缓存器长度,使用数据丢失概率与局部后协方差阵的迹设计缓存器的自适应调整机制,将分布式缓存扩展卡尔曼滤波与缓存器的自适应调整机制结合。仿真表明,分布式自适应缓存扩展卡尔曼滤波能保证精度的同时,具有更合理的缓存器长度,减少计算时间,获得了较好的气路性能估计精度。探讨了航空发动机分布式架构下的传感器故障隔离策略,将分布式改进扩展卡尔曼滤波中的非线性计算调整到主滤波器中进行,子滤波器进行线性运算,给出了状态一致的传感器故障分析方法,以及隔离含故障子滤波器或故障传感器的隔离策略。仿真表明,传感器隔离相比于子滤波隔离对精度影响更小,并分析了非线性计算分离算法的计算时间,子滤波器的计算时间有大幅度的减少,主滤波器的计算时间则有一定增加,但整体计算时间减少,利于分布式算法的实时应用。