航空发动机故障诊断技术是一个多学科知识交叉的系统工程,其研究涉及到广泛的理论知识。而在我国,这项技术的应用研究还处于初期阶段。目前,航空发动机多采用事后维修和定期维修制度,这样不仅在人力、物力上造成浪费,而且容易在检修过程中产生新的故障。对航空发动机进行早期故障诊断有利于克服以上问题。小波分析作为一种全新的信号处理方法,以其良好的时频局部化特性,成为时频分析方法中发展最快的一种信号分析方法。在大型机械故障诊断领域,其应用成果非常显著,为非平稳信号分析、信号滤波、信噪分离和特征提取提供了有效途径。轴承是航空发动机中最常见的零部件,在高转速、高载荷、高温状态下工作使其成为了容易损坏的零件之一。航空发动机作为一个大型旋转机械其许多故障都于轴承有关,轴承运行状态的好坏直接影响到整台机器的性能。由于航空发动机在外场工作情况下,不管是在数据采集过程中所产生的测量噪声还是周围环境所产生的其他噪声对监测信号的干扰都非常的大,给航空发动机的健康状态监测和故障诊断带来了困难。因此,本文旨在以航空发动机故障诊断为依托背景,主要以旋转机械中的重要部件轴承为研究对象,分析其噪声的来源与常见的噪声模型,通过对故障机理和振动特征的研究,从根本上掌握了轴承故障产生的原因,并对其故障模型进行建立。在认真学习了小波分析方法的基础上,研究数据处理中的小波去噪算法,针对随机噪声,提出了混合阈值降噪和基于相关原则的阈值优化降噪算法,并用仿真和实际轴承的故障数据对其进行验证。通过改进算法降噪后,其降噪效果较好,故障特征能够较完整的保留,适于早期故障诊断,为航空发动机状态监测和故障诊断提供技术基础。