航空发动机是民用航空器的主要动力来源,是对安全性、可靠性有着很高要求,各部件组成复杂以及互相影响的复杂机械。现阶段关于发动机健康管理的研究中,缺乏对发动机退化过程中的周期性维修行为影响的研究,同时,发动机多源监测数据利用率不高,直接会影响到航空运营人对发动机机队健康管理的科学决策。针对以上问题及需求,本文的研究目标是基于发动机多源监测数据,建立考虑非完美维修的发动机退化模型。针对多源性能参数以及周期性非完美维修行为的实际需求开展研究,首先通过观察发动机历史轨迹中的数据特点,为保证模型的随机性同时包含维修行为,提出基于带漂移点的维纳过程的发动机性能退化模型。针对发动机多源数据利用率低特点,本文提出了一种分层变权重的发动机性能评估方法:该方法首先基于聚类算法对发动机性能退化阶段进行划分,再基于深度置信网络DBN求解各参数权重,与其他多属性评估方法进行对比验证:主成分分析方法和ReliefF-PCA法。利用实际发动机历史寿命数据,并通过对相似度算法进行时域划分及平滑处理改进后,最终根据实例对比结果的分析,发现本文所提出的基于分层变权重的评估方法能够最大程度上表征发动机健康状态,得到更好的预测结果。针对影响维修行为的因素,采用基于共享LSTM网络层模型对发动机退化模型中的维修因子进行修正,并通过基于分层变权重的评估方法对各性能参数进行数据融合,建立了更好契合的发动机性能退化模型;通过对比分析验证,表明基于共享LSTM网络层模型修正得到的维修因子能够提高模型的预测值。本文的研究可丰富发动机机队管理,为提高航空运营人的科学维修决策提供理论依据和技术支持,其理论方法对维修决策优化研究也提供了一种方法。