航空发动机气路喘振故障会极大影响发动机性能,严重时则会给整机安全飞行带来灾难性的风险。而旋转失速被认为是航空发动机喘振的前兆,因此针对复杂工况下航空发动机旋转失速发展过程的精准识别,是预警和检测航空发动机气路喘振故障的关键所在。针对传统机器学习方法中二元分类结果的粗糙性和高维数据中特征提取的困难,本文提出了一种基于堆栈式降噪自动编码器(SDAE)与相关向量机(RVM)的航发喘振故障模型来精确检测旋转失速状态和提供喘振预警区。该模型首先采用堆栈式降噪自动编码器提取高维数据的隐式特征,并将重构特征作为相关向量机输入从而获取样本喘振概率,最后依据喘振概率确定喘振预警区。本文应用中航工业下属某研究所提供的某型航空发动机实飞数据进行仿真,并与其他算法进行比较。仿真结果表明,当处于喘振临近区时,该算法对喘振故障有较高的故障识别率,并能够有效检测出旋转失速状态,提供预警信号为主动控制争取宝贵时间。文中还对研究生阶段所开发的三个软件模块——航发性能参数预测模块、气路故障诊断模块以及轴承故障诊断模块进行了介绍,从软件模块的主要功能及操作流程对其进行了说明。