对航空发动机的故障诊断是一项复杂而又关键的任务,它不仅影响到航空公司的经济利益,更与生命财产安全息息相关。加强对故障诊断技术的研究,是保障发动机运行安全可靠、提高飞行器利用率、转变维修思想的重要方法,为此提出了基于粗糙神经网络的飞机发动机故障诊断技术。此故障诊断技术的主要思想是充分利用两者理论优势之间的互补关系。利用粗糙集的属性约简去掉冗余信息,以提高网络性能;利用神经网络抗干扰能力强的优势,以提高故障准确率。通过对神经网络和粗糙集理论的研究,提出了基于SOFM网和差别矩阵的离散化方法,此方法不仅可以得到最优离散化方案,更重要的是确保得到最优属性约简,使得粗糙集的功能得以实现;为了提高网络诊断的准确性,确保诊断结果准确、可靠,在粗糙神经网络的结构上进行了创新,充分将二者的优势结合,提出了粗糙集和神经网络双输出的网络结构。对飞机常用的状态监控技术进行研究,以发动机的气路故障为诊断对象,对AE3007发动机结构特征、性能特性和基于COMPASS软件的状态监控诊断技术的深入分析,利用AE3007发动机的状态监控数据,验证了粗糙神经网络故障诊断模型的有效性。实践表明:粗糙神经网络模型在工程上有着很好的实用性和可信性,能够为解决现代工业工程中的故障诊断提供有效的参考。