随着科技发展进步,航空发动机系统变得越来越复杂。这类复杂系统的设计虽有一定的安全余度,但在飞行过程中一旦发生故障会导致发动机失控,甚至会造成机毁人亡的重大事故。因此,必须确保发动机状态的可靠性。实际的航空发动机维修工作表明,发动机内部机件存在的异常机械磨损是造成航空发动机功能失效和失控的重要原因之一。目前,航空发动机机械磨损故障诊断主要方法是通过滑油光谱分析仪和铁谱分析仪针对滑油系统中所含的金属元素含量和磨屑进行检测,得到金属元素含量和磨屑参数的数据。但是,通过这些数据还不能直观得到对应的发动机磨损故障模式。此外,对于发动机滑油系统中潜在的故障模式目前也缺乏相应的风险评估方法和切实可行的预防措施。为此,论文研究了发动机滑油系统中存在的机械磨损故障模式的识别方法,通过神经网络对滑油光谱分析仪和铁谱分析仪的检测结果进行了分析和判断,识别发动机系统中存在的机械磨损故障模式并研究了发动机当前机械磨损状态的风险评估方法,为维修人员进行视情维修提供了理论依据。论文的主要研究内容包括：一是深入研究了机械磨损的机理,探讨了航空发动机机械磨损与滑油系统运行状态之间的关系,找出滑油系统中金属元素之间浓度异常与磨损部位之间的映射关系,以及滑油系统磨屑特征与磨损部位之间的对应关系。二是研究了如何通过数据分析准确识别航空发动机机械磨损过程中的故障模式。在获取滑油光谱分析仪和铁谱仪分析后的数据基础上,利用BP神经网络实现发动机内部单一机械磨损故障模式的识别；针对发动机在机械磨损过程中可能存在的两种以上故障模式的情况,研究了如何利用灰色关联理论对数据进行分析,判别是否存在两种以上故障模式。三是利用改进FMEA工具对航空发动机中潜在的机械磨损故障模式进行风险评估,通过定性的分析明确各故障模式的风险等级,提出预防和改进措施。