本文针对发动机试验领域对传感器数据证实技术的迫切需求,研究传感器数据证实的方法与应用系统实现的关键技术。针对试验数据中脉冲型噪声去除问题,设计了中心加权等幂中值滤波器及其快速实现算法。设计了模拟发动机故障、性能退化和瞬变工况并包含野值与随机白噪声的传感器信号,测试了中值滤波器保持信号真实突变特征并去除脉冲噪声的性能及计算效率,将其应用于涡轮试验数据预处理取得良好效果。针对线性关联多通道信号偏差检测问题,发展了主元—残差子空间方法。导出了偏差幅值与子空间参数对检测统计量影响的定量关系,发展了利用异常数据在多尺度分解下的统计量相对变化特征检测小幅值偏差的多尺度主元—残差子空间方法。应用于涡轮试验数据分析,表明该方法可减小偏差检测滞后性并降低偏差检测虚警率。针对具有非线性和时变性关系的涡轮试验多通道信号偏差检测问题,建立了自关联神经网络估计器和预报器方法。分析了自关联神经网络结构及输入—输出参数与数据内在物理关联性之间的关系,研究提出了不同输入参数的涡轮试验传感器数据估计器和预报器,可实现偏差检测、分离及数据重构。针对多源证据融合问题,建立了贝叶斯信度网络在发动机及其部件试验传感器数据证实中的应用方法,涉及传感器状态和检验关系式不确定性信息表达方法,根据传感器与检验关系式集合自动建立贝叶斯信度网络、计算可信度概率及更新网络的算法。分析了在线证实的实时性问题,给出了贝叶斯信度网络建立原则。针对高压涡轮试验数据证实系统开发需要,建立了流体和机械运动参数之间的稳态关联方程,分析了基于物理模型的解析冗余方法可用性,给出了时域滑动数据窗相关方法在涡轮试验数据证实中的应用方案。解决了传感器数据证实系统涉及的检验关系式数目、残差阈值、单周期决策逻辑、多周期决策策略、系统可放大性等问题;给出了传感器选择、关系式建立途径及系统调试方法,设计实现了传感器数据证实网络自动生成系统和实时运行内核。建立了组合解析冗余、统计相关检验与贝叶斯信度网络融合证据的传感器数据证实方案,实现了高压涡轮试验传感器数据证实系统。该系统具有事后证实功能,测试表明系统具有实用价值。