航空发动机是一个结构复杂的非平稳系统,是飞行器飞行的动力来源。由于其常常处在高温、高压、高负荷等复杂的环境中工作,所以对其性能和结构有很高的要求。航空发动机轴承是发动机转子系统的关键零部件,关系着发动机甚至于整个飞行器的安全性。因此,非常有必要对航空发动机轴承进行关于有限元模态分析、特征提取和选择、故障诊断和可靠性评估方面的研究,为轴承结构设计和故障机理提供可借鉴的理论基础和依据,及时准确的发现轴承潜在的或现有的故障,保证飞行器安全运行。对信号进行数据处理之前,从振动的角度出发,利用SolidWorks软件和ANSYS软件分别对同种轴承的不同故障状态和不同类型轴承进行建模和模态分析,为后续使用轴承实测信号进行故障诊断部分提供一定的先验知识。提出小波包特征提取方法和Hilbert谱奇异值特征提取方法,对比分析两种方法在实测信号特征提取中的利弊,分别将其用于故障诊断部分和可靠性评估部分;利用遗传算法对奇异值向量降维,不仅保证了故障信息的完整性,而且为神经网络的训练和测试提供了敏感的输入。结合Hilbert谱奇异值特征提取和遗传算法特征选择方法,建立小波神经网络故障诊断模型,并使用遗传算法优化小波神经网络初始权值和阈值。最后,将遗传算法特征选择后的奇异值特征向量分别输入到建立的BP神经网络、径向基神经网络、小波神经网络和优化后的小波神经网络四种诊断系统进行训练和测试。从信号相似性的角度出发,重新定义可靠度指标,利用基于子空间相似性的运行可靠性评估方法评估三种状态下航空发动机轴承的可靠度。小波包特征提取方法得到实测状态信息的能量状态矩阵,核主成分分析构造能量状态矩阵的子空间,再用奇异值方法分解子空间内积矩阵得到状态子空间核主角基矢量,最后将归一化后的第一核主角映射为运行可靠度指标,通过可靠度曲线有效反映轴承因发生故障引起可靠性降低的过程。建立《基于Hilbert谱奇异值的航空发动机轴承故障特征提取系统》以及《融合WNN和RBF神经网络的轴承故障诊断系统》的GUI图形用户界面,使本文的研究系统化和实用化。