民航发动机是飞机的动力系统，相当于飞机的“心脏”。随着航空技术的发展，航空发动机的状态监控与故障诊断已经成为一个重要课题，受到众多专家学者的关注。 发动机的状态监控是先进航空维修的必要手段和前提条件，自从有了状态监控技术的发展，视情维修就成为现代维修的主导方式。发动机状态监控与故障诊断正是实现视情维护的技术基础之一，它是通过在工作状态下监视发动机的工作参数，来判断发动机的技术状态，当发动机(或部件)出现故障时，准确找出故障所在。本课题的研究目的是将神经网络技术应用于航空发动机气路部件故障的诊断。 本文首先讲述了故障诊断，神经网络的理论基础；对前馈神经网络和自组织特征映射网络的具体算法做了讲解。从神经元结构模型和传递函数入手，详细的分析了神经网络结构和函数映射、BP神经网络的特点，说明了神经网络应用于故障诊断的可能性。选用了改进的BP算法中的动量算法，弥补了传统的BP算法的缺陷，对SOFM用于故障诊断也进行了探索，并且还对两种网络进行了比较，利用Matlab软件进行了神经网络故障珍断的仿真实验。从D-S证据理论的基本概念和合成规则入手，分析了证据理论应用于信息融合的有效性，并用算例分析了证据理论对证据可信度的累计作用。最后本文设计了一个基于神经网络和D-S证据理论的信息融合故障诊断方法。