民航发动机是飞机的动力系统,相当于飞机的心脏.随着航空技术的发展,航空发动机的状态监控与故障诊断已经成为一个重要课题,受到众多专家学者的关注.发动机的状态监控是先进航空维修的必要手段和前提条件,自从有了状态监控技术的发展,视情维修就成为现代维修的主导方式.但是,目前的监控技术还停留在整机性能的趋势分析上.如果通过整机的性能参数分析,检测到发动机有故障,一般会采取整机送修的维修方式.这样无论大小故障都采取整机送修将是一种浪费.人们一直在追求将故障隔离到单元体及其子系统.该文就是基于这个理念,用多元统计的主成分分析法将表征同一个单元体的多个性能指标化为一个综合指标,从而通过对单个综合指标的趋势分析实现单元体的性能辨识,即达到单元体的性能监控,实现单元体的视情维修.在手段上采用先进的人工智能技术——人工神经网络技术中的BP网络.但是BP网络自身存在收敛速度慢,容易陷入局部极小等弱点,文章由就网络性能的改进引入了遗传算法优化BP网络权值,形成收敛速度快的GA-BP网络.总的说来,该文主要完成以下几项工作:1、主成分分析法将单元体的12个故障因子压缩为5个综合故障因子,对应5个气路部件.2、通过5个综合故障因子分析单元体的性能趋势.3、运用神经网络实现附件的故障诊断和单元体的状态辨识.4、BP算法结合遗传算法优化BP网络性能.第一点和第二点是该文的创新点,代表着一种新的维修概念,其前景是不可限量的.后面两点是新方法在本的论文中的应用.