航空发动机气路故障诊断技术是实现视情维修、降低维修成本、保证发动机工作安全的重要手段。本文以某型涡喷发动机为对象，开展气路故障诊断技术研究。论文首先采用发动机部件级建模的方法建立发动机非线性模型。以试车数据为学习样本，建立了基于最小二乘支持向量回归机的补偿模型。由于同型号不同发动机间个体差异以及发动机在寿命期内性能退化等因素，都会降低发动机模型与真实发动机的匹配性，采用遗传算法对发动机部件特性进行优化，提高发动机非线性模型精度。在发动机非线性模型的基础上，采用小扰动法建立线性涡喷发动机增广状态模型。建立基于卡尔曼滤波器的涡喷发动机自适应模型，实现发动机健康状态实时估计。为了提高气路健康估计精度，将先验知识以约束的形式施加于卡尔曼滤波估计过程中，研究了约束卡尔曼滤波算法，通过与未施加约束的卡尔曼滤波估计相比，结果表明估计效果得到改善。对测量参数的选取进行仿真和分析，对不同的故障模式进行相似度分析，并研究不同的发动机部件健康状态退化量引起的测量参数线性变化情况，确定了故障诊断用传感器的选取。给出了发动机故障诊断的方案，在使用寿命期内通过建立健康参数定期退化的基线模型与实时模型组合的故障诊断结构，实现涡喷发动机部件性能渐变退化下的传感器故障诊断。