航空发动机作为一种复杂的机械系统,具有极高的维修成本以及可靠性需求。发动机在翼寿命预测作为健康管理技术PHM中的重要内容,能够为维修计划的制定提供合理依据。随着监测技术的发展,发动机寿命预测已从早期通过分析失效数据的传统可靠性方法发展到如今基于大量监测数据的预测方法。数据驱动的寿命预测方法通过案例推理、人工智能等方法实现对退化过程的描述,特别适用于航空发动机这种难以建立准确物理模型并且无法搜集到足够失效数据的设备。本文在研究了通过多源监测数据对发动机进行健康状态评估的基础上,针对航空发动机不同个体退化模式差异性大的特点,重点研究了基于退化轨迹相似的发动机在翼寿命预测方法。选取与发动机健康状况密切相关的性能参数,对原始监测数据进行相似修正及异常值剔除,通过状态空间模型将多源监测数据融合为健康指数HI。对健康指数序列进行聚类分析以提高相似度计算的效率和准确度。提出基于退化轨迹相似的发动机在翼寿命预测方法,通过欧氏距离法计算对比每台发动机健康指数退化轨迹的相似度,加权参照样本剩余寿命得到预测样本剩余寿命。针对发动机在实际使用过程中不同个体初始性能以及衰退速率差异较大的特点,提出序列滑动与分段计算相似度两点改进之处。通过航空公司实际使用数据验证了该方法的准确性。