航空发动机故障诊断是实现发动机视情维修、提高飞行安全性、降低维护成本的重要措施,为此本文开展了航空发动机故障诊断技术的相关研究。本文以某型涡轴发动机模型为基础,基于联合卡尔曼滤波器开展了航空发动机故障诊断研究,包括气路部件故障诊断、传感器故障诊断及隔离以及针对测量噪声变化提出的联合模糊自适应卡尔曼滤波算法。首先,在某型涡轴发动机非线性模型的基础上建立了发动机状态变量模型,并验证了状态变量模型的准确性。然后,将联合卡尔曼滤波器应用到气路部件故障诊断系统以及传感器故障诊断系统。在气路故障诊断系统中,相比于传统卡尔曼滤波器,联合卡尔曼滤波器的估计精度和容错性较高,通过理论分析和试验仿真,验证了联合卡尔曼滤波算法的优点。在传统卡尔曼滤波器的基础上,提出了采用联合卡尔曼滤波器方法的发动机传感器故障诊断系统,该系统通过在局部滤波器和主滤波器之间增加传感器故障诊断环节进行传感器故障诊断。仿真结果表明该系统能够有效的检测并隔离发动机故障传感器,在传感器发生故障后仍然能得到准确的发动机健康参数估计值。最后,航空发动机工作过程中,由于外界环境干扰或者其他因素的影响,导致发动机测量噪声发生变化,从而影响发动机故障诊断的结果,为此提出了联合模糊自适应卡尔曼滤波算法。联合模糊自适应卡尔曼滤波算法的基本思想是当系统的测量噪声发生变化时,通过模糊自适应算法自动调整测量噪声协方差矩阵的大小。仿真结果表明该算法能够削弱测量噪声变化对发动机故障诊断的影响。