航空发动机智能化是以后航空发动机发展的一个重要趋势,发动机健康管理系统是其最关键的部分,而发动机的性能检测与故障诊断又是发动机健康管理系统的核心内容。在航空发动机故障中,气路部件故障占比较高,也占其主要的维修费用,因此非常有必要对气路部件故障进行性能估计与故障诊断。本文首先建立包含健康参数的航空发动机线性模型,并对该发动机模型以及包含健康参数的发动机线性模型进行仿真验证,证实了该模型既能在控制量大幅值变化的情况下保持稳定性,又能较好的反映出航空发动机气路性能的退化情况。然后对航空发动机健康参数跟踪的问题,运用了将健康参数増广到状态变量的卡尔曼滤波算法,在不同飞行条件及故障模式下,抑制了噪声干扰,良好地跟踪健康参数。针对航空发动机健康参数的趋势预测问题,提出了运用支持向量机回归分析与最小二乘回归的原理对气路卡尔曼跟踪参数进行回归分析。仿真比较了两种方法的回归结果,支持向量机回归分析方法适用于性能基线的建模。最后对航空发动机的部件退化故障的诊断问题,提出了运用经典的BP神经网络故障诊断与支持向量机的故障诊断方法,并将交叉验证的方法用于训练模型的建立。通过仿真对比有故障和无故障的二分类情况和同时存在多种故障的情况,表明支持向量机方法在时间和精度上都能很好的满足诊断要求。