李亚伟，荆建平，张永强，牛超阳

（1.上海交通大学 机械系统与振动国家重点实验室，上海 200240；2.中国航发商用航空发动机有限责任公司，上海 200240）

航空发动机属于高速旋转的机械设备，工作在高温、高压和高负荷的恶劣环境中，转子作为核心部件，有着故障率高、调整复杂、维护工作量大的特点，极其容易发生不对中、不平衡、裂纹、碰摩等故障。早期的结构损伤并不能造成结构完全破坏，但是却会使结构的安全性和可靠性得不到保证，因此对航空发动机转子进行有效故障诊断对于飞机的安全性和可靠性有着重大意义。

目前对于旋转机械的故障诊断一般基于系统振动信号，常用的方法是采用数字信号处理方法提取特征结合经验诊断，如轨迹诊断法、频谱诊断等，这种诊断方法必需了解和掌握信号处理的原理和方法，同时具备相关故障诊断的经验，而且该类方法往往包含过多人为的判断[1]。

另一种常用方法是基于人工智能的诊断方法，如神经网络、模糊诊断等，但其诊断精度多依赖于大量的故障事例和故障数据，但是对于航空发动机这种工况复杂的结构，一方面缺乏特定的故障数据，另一方面数据量庞大且多样，无法对其故障进行准确定位，对故障的严重程度也无法判断[2]。

航空发动机各部件会由于复杂的运行状况而产生各种复杂的动态信息，所采集到的振动信号都存在大量噪声等干扰信息，如果航空发动机发生故障，必……