对于航空器维修行业，由于在发动机关键运行参数获取与健康管理等核心技术上存在外部依赖，导致国内在发动机状态监控的理 论研究与技术实践方面存在不足。本文从此问题出发，旨在通过简洁明了的研究内容、流程与架构，让发动机监控理念融入航空器维修中， 以持续提升发动机状态监控水平。本文基于发动机几类常见故障，通过引入多种仿真信号，设计仿真函数，形成了仿真数据，并基于 BP 神经网络算法进行仿真数据的数值实验得出了各类发动机常见故障的最优仿真模型。最后，通过引入真实发动机排气温度（EGT）超温的 案例数据，代入仿真模型进行测试验证，形成了一套较为完整的发动机状态识别模型。研究表明其较高的稳定性和识别准确率为故障的识 别和后续故障原因的查找提供了较为准确的依据。