由于航空发动机极易发生各种磨损故障，并且各磨损物主要残留在飞机的润滑及液压系统中，因此采用油液分析技术对发动机的磨损情况进行监控与故障诊断就有十分重要的意义。主要研究内容如下：　　（1）针对航空发动机油液数据不一定服从正态分布的情况，研究了基于概率密度函数估计的界限值制定方法，其中包括最大熵法、Parzen窗法以及 K近邻法，并通过仿真数据以及实际数据验证了方法的有效性及其适应范围。　　（2）提出一种航空发动机油液光谱数据融合界限值制定的故障诊断方法。通过对油液光谱特征元素进行特征融合，得到一个衡量航空发动机磨损状态的健康指标，对该指标进行界限值制定，从而实现对油液数据进行磨损故障诊断的目的。该健康指标的界限值对于评价航空发动机磨损状态具有重要的意义，与分别针对不同元素制定界限值对比，更为简单可靠。　　（3）提出一种航空发动机油液数据知识规则自动提取的故障诊断方法。通过对特征融合得到的健康指标制定界限值之后，能够对原始数据样本状态进行划分；然后借助weka平台提取出原始数据蕴含的知识规则，通过提取的规则实现故障诊断。最后，通过实际航空发动机磨损光谱数据的提取结果可知，基于weka平台的知识规则提取具有很高的识别率，能够很好的识别故障数据，使得故障诊断更加智能化、自动化。　　（4）采用Microsoft Visual C++6.0和Microsoft Access2003数据库开发了航空发动机滑油监控专家系统EOMES（Engine Oil Monitoring Expert System），实现了基于界限值制定以及规则提取的航空发动机磨损监控以及智能诊断等功能。