航空发动机的可靠性、安全性往往是商用飞机安全、可靠飞行的决定性因素,航空发动机的振动源定位和故障诊断对于及时发现故障并及时实施快速、有效的维修和维护具有重要意义。本论文针对商用航空发动机振动源复杂,故障诊断难度大的特点,重点研究基于盲分离技术的振动源分离方法,首先对航空发动机主要振动源进行估计和信号分离,进而采用有效的模型估计方法分别对各分离出的振动源实施故障识别,从而实现发动机故障的诊断和定位。论文的主要工作如下:针对商用航空发动机振动频谱特点,提出了振动源分离定位的联合小波变换和时间同步平稳的盲分离算法(简称JWTS)。针对经典的盲分离算法无法有效分离实际航空发动机主要振动源信号的问题,结合航空发动机主要振动源以转子转频以及其谐波频率为主的振动频谱特点,提出了采用小波变换方法进行振动源个数估计,进而采用时间同步平稳法提取分离振动源频谱的盲分离算法。通过对实测的航空发动机机匣观测信号的分析,有效分离出混合观测信号中的高、低压转子,燃烧室和附件机匣等航空发动机主要振动源的频谱信息,验证了所提出的盲分离方法的有效性。上述盲分离算法仅能提取基频相关振动信号,无法提取包含故障信息的非周期的脉冲信号,针对此问题,提出了联合硬阈值与混合阈法的脉冲信号提取方法。发动机混合信号中往往包含了高斯噪声,周期信号和脉冲信号,高斯噪声和周期信号会造成伪脉冲信号干扰真实脉冲信号的提取,针对混合阈值法提取脉冲信号的局限性,首先通过硬阈值法除去混合信号中的高斯噪声成分,从而消除伪脉冲信号,进而通过混合阈值法提取脉冲信号。通过模拟信号和试验信号验证了该方法的有效性。针对航空发动机故障诊断的复杂性问题,航空发动机机匣观测信号往往是发动机内部多个振动源的混合观测信号,传统的故障诊断方法很难有效的对其进行故障诊断和定位,无法给出确定的结论,本文结合航空发动机机匣振动信号的特点提出了基于Env-AR-ARX模型的故障诊断方法。使用该方法对航空发动机进行建模时,充分考虑了航空发动机机匣振动信号的时变性的问题,相比于仅仅使用AR模型对航空发动机机匣观测信号建模,Env-AR-ARX模型能够更好的匹配航空发动机机匣振动信号,提高诊断精度。方法经过了试验台实测振动信号的验证。通过与JWTS算法结合,提高了航空发动机故障诊断和定位的精度。