中文摘要：

航空发动机早期故障诊断对于及时发现故障隐患、合理安排维修活动，从而避免事故发生具有重要的意义。针对航空发动机工作环境复杂、监测信号噪声大，以及早期故障存在的特征微弱、特征表现时隐时现、单一征兆反映片面等问题，本课题开展了基于微弱信号特征提取和不确定多信息融合的航空发动机诊断研究工作。通过本课题研究，建立了航空发动机动力学模型和部件功能关系模型，研究其早期故障机理；采用平稳小波变换，通过优化小波基，开发了高级信号处理算法，进行监测信号时频分析，消除噪声，实现了早期故障特征的有效提取；采用统计方法评估故障特征，开发故障程度指标；将模糊、熵等理论与D—S证据理论结合，研究故障证据重要性、不确定性、不精确性，融合发动机多源信息，制订合理的故障诊断决策规则，进行早期故障模式识别，从而提高诊断准确性；最后，进行了航空发动机早期故障诊断原型系统开发，并用于模拟数据和部分实际数据的分析和故障诊断。因此，本项研究可为航空发动机状态监测提供新的理论和技术，对保障我国航空安全具有积极意义。