为避免航空发动机的维修不足或维修过剩,国内各大航空公司已开始广泛采用视情维修方式,即依据在翼发动机的实际健康状态来制定发动机的维修策略。航空发动机状态监控是视情维修的基础,由于国内航空公司尚未掌握其关键技术——航空发动机状态参数处理技术,导致国内航空公司只能依赖于国外发动机生产厂家提供的发动机状态监控系统来监控发动机的健康状态。航空发动机状态参数处理技术主要包括三个方面:状态参数预处理、状态参数基线建模和状态参数趋势预测。航空发动机常年在高温、高压、高噪声环境下工作,导致状态参数数据不可避免地存在噪声,因此需对采集到的状态参数数据进行预处理之后才能用于发动机健康状态的分析、评价和预测。为准确分析和评价航空发动机的健康状态,需将状态参数数据与基线进行比较,而目前我国的航空公司尚没有一套实用性较强的自主基线库。对航空发动机状态参数变化趋势进行预测,可以提前掌握航空发动机的健康状态,从而结合租发、备发等情况制定合理的维修策略,而目前国内航空公司尚没有一套精度较高的状态参数趋势预测方法。为解决以上问题,本文对航空发动机状态参数处理技术展开研究。针对航空发动机状态参数数据的特点,提出了一种一次指数平滑法和拉依达准则相结合的数据预处理方法,实现了对状态参数数据的平滑去噪预处理。利用非线性回归分析方法对厂家监控系统的状态参数数据处理结果进行分析从而挖掘出隐藏于厂家监控系统中的基线模型。提出了一种基于过程神经网络的状态参数预测方法,为提高该方法的预测精度,提出了一种基于样条函数拟合和相空间重构理论的训练样本集构造方法。在上述理论研究的基础上,开发了一套航空发动机状态监控软件系统,以实现航空发动机状态监控的自主化、实时化、自动化和智能化,为制定科学合理的发动机维修策略提供技术和软件系统支持,进而在保证飞机飞行安全的前提下,最大程度地提高航空公司的经济效益和社会效益。该系统目前已在国航投入试用,可以为国内航空公司克服对国外航空发动机状态监控软件系统的依赖,建立自主航空发动机状态监控软件系统提供经验。