航空发动机是飞机的重要组成部分,其健康状态情况直接影响着飞机能否正常运行以及乘客的生命和财产安全。在航空发动机的众多子系统当中,气路系统的故障概率是最高的,对航空发动机气路系统进行健康状态预测在整个航空发动机健康管理中具有重要地位。由于航空发动机的高可靠性和监测环境等影响,航空发动机气路系统存在监测数据海量,有效故障数据贫乏的问题,为航空发动机的健康状态预测带来了困难。针对航空发动机气路系统健康状态预测建模中有效特征数据贫乏的问题,本文基于置信规则库(belief rule base,BRB)理论,提出融合监测信息与专家知识的航空发动机气路系统健康状态预测模型,利用有限的航空发动机气路系统有效故障监测数据和专家知识对航空发动机气路系统的健康状态进行预测。首先,在分析航空发动机气路系统的故障机理和工作机理的基础上,建立了航空发动机气路系统健康状态评价体系,并基于隶属度函数(Membership Function,MF)建立了航空发动机气路系统健康状态和不同健康状态等级之间的隶属程度关系,判断航空发动机气路系统的健康状态相对于不同健康状态等级的隶属程度大小,解决了当航空发动机气路系统处于临界状态时健康状态等级的归属问题。其次,为了克服专家知识的主观性,利用协方差矩阵自适应进化策略(Covariance Matrix Adaptation Evolutionary Strategies,CMA-ES)对健康状态预测模型中由专家给出的参数进行优化,提高健康状态预测模型的精度。航空发动机工况复杂,单一工况条件下建立的航空发动机气路系统健康状态预测模型不能满足变工况下健康状态的准确预测,为了提高在工况切换下航空发动机气路系统健康状态预测模型的精度,提出一种考虑工况变化的航空发动机气路系统健康状态预测模型,建立了基于时域特征分析与置信规则库的航空发动机气路系统多工况健康状态预测模型,实现了在工况变化条件下对航空发动机气路系统健康状态的准确预测。为了验证本文建立的航空发动机气路系统健康状态预测模型的合理性,进行了仿真实验并验证了所提方法的合理性。并且,基于本文提出的健康状态预测方法,设计开发了航空发动机气路系统健康状态预测软件。