随着航空发动机复杂程度的不断提高,为提高发动机的安全性与运行可靠性,降低其全寿命周期费用,亟需开展关于发动机健康管理(EHM)的理论研究与工程实践应用。剩余寿命预测是EHM的关键问题,准确地预测剩余寿命能够为发动机维修决策提供依据。通过总结已有研究存在的不足,本文提出如下研究内容:首先,针对发动机故障样本少等问题,在多源监测数据的基础上,分别提出了基于PCA和KPCA模型的健康状态监控方法,采用T2统计量与SPE指标对发动机进行健康评估与故障检测,并将基于贡献率的故障识别方法应用于发动机故障变量识别中。其次,同时考虑到发动机性能退化过程的非线性、随机性及受测量误差影响等,提出了基于非线性Wiener过程的剩余寿命预测方法,并与基于非线性随机系数回归(RCR)模型的预测方法进行比较。另外,提出了基于EM算法与Kalman滤波算法的退化状态与模型参数实时估计方法,同时对剩余寿命分布进行实时更新,实现剩余寿命在线预测。最后,在剩余寿命预测的基础上,提出了一种针对发动机机队的维修决策优化模型,对备件订购时间与更换时间进行联合决策,并设计了生物地理学优化算法对模型进行求解。计算结果表明,所提出的维修决策优化模型能够降低发动机机队的期望费用率,减少维修费用,从而满足发动机健康管理的要求。