航空发动机作为飞机的“心脏”，其健康状态直接关系到航空公司的经济效益和社会效益。为解决航空发动机健康维修管理中的过维修和欠维修问题，航空发动机的维修方式已由定时维修方式向视情维修和故障诊断预测与健康管理等先进方式转变。而航空发动机性能参数监控技术为这种转变提供了技术支持。本文采用基于统计的方法和基于密度的方法对航空发动机异常性能参数进行识别。针对统计方法存在的屏蔽效应问题以及密度方法存在异常因子上界难以确定的问题，提出将两者结合起来进行航空发动机性能参数的异常识别。同时为了最大程度的保留航空发动机性能参数局部特征，提出将指数平滑法和经验模态分解结合对航空发动机性能参数进行平滑处理。在对监测得到的航空发动机性能参数进行预处理的基础上，对航空发动机性能参数的变化趋势进行预测，有利于将航空发动机安全监控窗口前移。为此，本文建立了基于时间加权多激励卷积过程神经网络的时间序列预测模型，并结合航空发动机性能参数本身的特点，联合经验模态分解法，建立了航空发动机性能参数组合预测模型，并进行了应用验证。为在保证安全的前提下，进一步提高航空公司的经济效益，需要在性能参数预测的基础上，对航空发动机的健康状态进行科学评估。本文采用区间数来表示发动机的性能参数，并建立了基于区间数灰色关联和D-S证据理论联合法的航空发动机机队健康评估模型。同时，针对航空发动机维修计划制定难度大的问题，为进一步挖掘航空公司已经积累的发动机性能参数和发动机及单元体维修等级之间的关联关系，提出了基于最小二乘支持向量机挖掘模型，并使用粒子群算法对挖掘模型的参数进行优化处理。并对上述方法进行了应用验证。根据以上研究成果，面向航空公司的实际需求，本文还开发了基于性能参数预测的航空发动机维修决策支持软件原型系统。本系统可为航空发动机的故障诊断预测和健康管理提供技术和软件平台支持。