航空发动机健康评估是保证飞行安全的重要技术手段,也是各航司、发动机厂降低维修保障费用、科学管理备件的基础条件。数据驱动的评估方法因为不需要复杂的物理模型、不依靠大量的故障数据成为航发健康评估研究的热点。本文围绕航发气路监测样本获取及预处理、故障诊断、故障预测等主要技术难点展开深入研究并构建相关算法,通过搭建健康评估平台对所有算法功能进行集成。主要研究工作内容如下:（1）通过Gas Turb建立双轴涡喷物理模型,针对气路部件故障数据获取问题,建立了健康参数退化公式,通过对各气路部件的效率、流量系数添加退化因子获取非设计点参数样本;针对PHM08数据集中多故障状态并存、存在噪声等问题,构造了用k-mean聚类标记后按不同簇类分别标准化的预处理流程,处理后可通过传感器数据集的退化趋势选取最佳监测样本,从而提高评估效率和精度。（2）通过对航发气路原理及故障传播机理研究,建立了DE-KPCA故障检测模型。以主元信息T2、残差信息SPE为统计量,建立对应阈值进行故障检测。对核函数的特征提取能力展开研究,通过差分进化算法优化核参数,得到最优主元模型,使用TE故障集、航发故障集验证,证明了该故障检测模型适用于复杂非线性特征提取,较传统方法故障检测率更高;针对有\无历史故障样本的航发故障识别问题,分别研究了基于支持向量机和故障率图的故障识别方法,完成了基于数据驱动的航发故障诊断过程。（3）建立了基于相似性的航发剩余使用寿命预测流程。针对历史退化轨迹构建时的特征融合手段进行研究,构建了基于多元线性回归、BP神经网络的特征融合方法,同时分析了不同平滑算法的去噪效果。选取PHM08数据集中30%、60%、90%截断样本进行验证,使用单个样本通过计算多个评价指标验证了该预测方法的实用性,同时通过计算所有样本RUL并针对不同截断样本建立核密度估计图、箱型图进行分析,总结出基于相似性RUL预测的特性。（4）建立了航空发动机健康评估平台。通过MATLAB GUI平台编程、界面设计布局搭建了供工作人员使用的可视化操作平台,将本文所研究航空发动机数据预处理、故障诊断、故障预测等功能模块进行集成,并对具体操作方法进行了详细介绍。