航空发动机作为提供飞行动力的核心部件,长时间工作在自然环境中,容易遭受外来物冲击,在遭受外来物冲击后,需要根据损伤程度不同制定维修计划。为了节约成本和提高效率,需要借助在线状态监测方法和智能识别手段对冲击物类型进行识别,根据冲击物类型采取应对措施,避免事故的产生。针对航空发动机在遭受冲击时,局部结构会出现早期损伤的特点,本文提出使用声发射监测手段进行冲击信号的实时监测。以平板冲击实验和某型真实发动机一级动叶的冲击实验为基础,结合支持向量机和神经网络等智能识别手段,开展了航空发动机冲击物识别的研究。并且针对不同样本数据的特点,对智能识别模型的参数进行优化,以提高冲击物类型的识别精度。通过实验发现,利用声发射特征参数和信号的时、频域参数可以在一定程度上识别冲击物类型。平板实验中,发现不同冲击物激发的信号特征差别较大,应用独立元分析方法优化支持向量机的输入矩阵,经过交叉验证优化参数,冲击物识别的正确率可达80%。航空发动机实验中,发现由于航空发动机结构复杂,难以提取声发射信号的独立成分,故采用粒子群算法对支持向量机的参数进行优化,冲击物识别的正确率达到64.7%。为进一步提高冲击物识别精度,提出基于径向基函数的神经网络冲击物识别方法,识别正确率可达98.1%,可作为航空发动机冲击物类型的判别依据。对比两种冲击物智能识别模型,为航空发动机冲击物的识别提供了数据支持,为智能识别方法的优化提供了新思路,为建立航空发动机在线故障诊断云平台提供了新思路。