现代航空发动机结构复杂,工作状态恶劣,属于故障多发系统,如何保障发动机健康稳定的工作,提高飞行安全性,一直是困扰国内外学者和研究人员的问题。针对这一问题,本文主要进行了涡轴发动机建模与性能监测方面的研究工作。根据获得的部件特性建立了某型涡轴发动机的气动热力计算稳态模型和动态模型,并使用NI控件技术设计了友好的仿真界面。在该涡轴发动机非线性模型的基础上,研究了建立状态变量模型(SVM)的方法,提出了自寻优法建立涡轴发动机状态变量模型,该方法克服了扰动法与拟合法的缺点,建模精度高。在各稳态点状态变量模型的基础上,结合稳态基点模型,分别采用插值法与拟合法建立了发动机大偏差状态变量模型,分别对发动机大偏差状态变量模型与非线性模型进行仿真,结果表明提高了大偏差状态变量模型精度。针对发动机在服役期内的性能蜕化,将涡轴发动机的压气机部件效率及燃气涡轮部件效率作为健康参数,建立了包含健康参数的增广状态变量模型(ASVM)。在单稳态点的ASVM基础上设置了卡尔曼滤波器,实现了对发动机健康参数的准确估计。根据发动机试验数据确定了R矩阵,分析了Q阵大小对发动机性能参数估计结果的影响。采用插值与拟合算法设计了大偏差状态变量模型中的卡尔曼滤波器,实现了对发动机健康参数的估计,检验了卡尔曼滤波器的估计精度。由于状态变量模型与真实发动机之间的建模误差,采用神经网络在线修正建模误差,有效地提高了该发动机大偏差状态变量模型的精度,为该型涡轴发动机性能监测与趋势分析的应用奠定了基础。