为适应我国大飞机产业的飞速发展,保障飞机的安全性,控制飞机的维修成本,实现安全与效益的双赢,对航空发动机剩余寿命进行准确预测成为发动机健康管理中的核心工作。本文基于空地数据链获取了发动机健康监测参数,分析了发动机的性能衰退趋势,建立了衰退模型,设计了预测算法,实现了发动机剩余寿命的预测。首先,介绍了空地数据链传递监测数据的标准与协议,实现了监测数据的译码与预处理,选取了多个关键监测参数,为后续的预测工作提供了准确数据。其次,设计了基于Kalman滤波估计的发动机剩余寿命预测算法。该算法采用分阶段的处理方式对多监测参数进行了融合,基于状态空间方法建立了发动机的性能衰退趋势模型,借助Kalman滤波实现了模型参数的估计。对比了基于单阶段线性融合的Kalman滤波预测以及基于分阶段线性融合的Kalman滤波预测。实例分析表明,基于分阶段线性的Kalman滤波预测具有较准确的寿命分布以及较好的预测演化过程。再次,鉴于发动机健康状态与多个监测参数之间存在着非线性的映射关系,设计了基于粒子滤波的发动机剩余寿命预测算法。该算法将分阶段处理与非线性处理组合起来对多个监测参数进行融合,基于状态空间方法建立了发动机性能衰退模型,借助粒子滤波实现了模型的参数估计。对比了基于单阶段线性融合的粒子滤波预测、基于分阶段线性融合的粒子滤波预测以及基于分阶段非线性融合的粒子滤波预测三种预测算法。实例分析表明,基于分阶段非线性的粒子滤波预测具有较准确的寿命分布以及较好的预测演化过程。最后,本文基于MATLAB设计了可以实现数据融合、性能衰退建模以及预测实施功能的发动机剩余寿命预测系统。