（3）針對航空發動機性能退化失效的剩余壽命預測，需要解決以下兩個問題：一是綜合利用多種狀態監測數據進行航空發動機性能退化評估；二是描述航空發動機性能退化軌跡，實現剩余壽命預測。
（4）針對航空發動機突發失效的剩余壽命預測，需要解決以下三個問題：一是基于少量故障信息的航空發動機剩余壽命預測，是個典型的小樣本可靠性分析問題，可以采用貝葉斯方法提高數據利用效率；二是采用 Weibull分布建立航空發動機突發失效壽命預測模型，利用 Weibull分布的形狀參數描述性能退化對壽命變化規律的影響；三是在Weibull模型基礎上，進一步引入混合Weibull分布模型，利用數據學習性能退化失效與突發失效之間的作用機制。
基于隨機Wiener過程的航空發動機剩余壽命預測
針對航空發動機性能退化的多階段特點, 利用多階段的Wiener過程對性能退化過程進行建模，并根據性能失效定義推導出航空發動機的RL分布。在對性能退化模型的未知參數進行估計時，根據期望最大化（EM）算法融合歷史性能退化數據與歷史失效時間數據對退化模型參數進行迭代估計。在獲得單臺航空發動機的實時性能退化數據后, 根據 Bayesian公式可對性能退化模型參數進行實時更新，最終實現對單臺航空發動機的剩余壽命預測。
航空發動機歷史性能退化曲線
基于信息融合的航空發動機剩余壽命預測
航空發動機剩余壽命預測框架體系
航空發動機的狀態監測主要包括以下內容：
（1）氣路性能監測。監測的參數：渦輪后燃氣溫度和燃油熱量。
（2）滑油監測。監測對象是潤滑系統部件及其封嚴系統狀況。
（3）振動監測。發動機轉子旋轉、磨損或損傷會產生一定程度的振動信號。
只利用單參數狀態監測信息，則無法全面反映性能衰退的情況，采用信息融合方法，就可以提高信息利用效率。采用貝葉斯線性模型融合航空發動機的狀態監測參數，進行航空發動機性能衰退評估，將性能衰退的結果作為可靠性分析模型的輸入變量，預測在預定可靠性閾值情況下的航空發動機剩余壽命。
以上的方法都有各自的特點，也有一定的局限性，還有待進一步的研究與探討。
由于航空發動機的復雜機電系統以及制造的昂貴性，其維修保障越來越引起相關人員的重視，隨著科學技術水平的提高，在未來，航空發動機的剩余壽命預測方法也將會越來越成熟。
