本课题是神经网络技术在我国飞机发动机故障检测方面的首次应用。为适应我国民航现代化建设和教学现代化的需要,本研究综合了一些飞机专家在维修波音747飞机发动机故障过程中所日积月累的经验知识,并结合发动机故障隔离手册的内容。其目的主要在于帮助机务人员,特别是帮助维修人员在维修时,迅速、准确地找到并排除故障,提高工作效率为民航事业取得更好的经济效益和更高的安全系数。本研究同时也可应用于教学,帮助学生在学习飞机维修时,能更加便捷地获得可靠、详实的知识,为尽快成为具有丰富经验的机务人员做好准备。通过对人工神经网络(ANN)的深入研究,尤其是在改进算法方面做了大量的尝试,在采集了充分飞机发动机故障信息后,结合专家的经验数据,提出了适用于民航飞机发动机,特别是波音767和波音747所装配的JT9D发动机和PW4000型发动机的故障诊断系统。使在不对发动机进行解体的情况下能早期检测到故障隐患。本系统采用三层神经网络结构,4个输入结点,中间层为10个,输出层与故障模型相对应,为12个。在算法方面,经过多次实验,提出了一种高效的改进型FBP算法,使用梯度下降法迭代法不断修正权值,网络训练迭代次数为10万次,学习精度要求为取系统总误差E=0.001。系统诊断成功率高打91.6 %,使系统最终达到了设计目的。