Предложена методика диагностирования авиационных газотурбинных двигателей на комплексной основе, базирующаяся на математическом моделировании объекта, методах математической статистики, нейросетевых методов и булевой алгебры. Рассмотрены основные этапы формирования подсистемы диагностирования технического состояния авиационных газотурбинных двигателей на основе статической нейронной сети с прямым распространением сигнала. Данная подсистема диагностирования основывается на обработке полетной информации, устойчиво обученной сетью имплантированными классами двигателя. При этом источниками формирования банка имплантированных классов двигателя являются результаты численных экспериментов получения расчетных точек с применением полуэмпирической математической модели двигателя, модели двигателя, полученной на основе множественного регрессионного анализа параметров и реальных неисправностей, накопленных по мере наработки однотипных двигателей. Несмотря на грубую идентификацию текущего состояния двигателя, преимуществом данного этапа является возможность формирования первоначального "портрета" двигателя в виде "исправен" или "вероятность развития диагностической ситуации". Проведены эксперименты по практическому применению предложенной подсистемы диагностирования, где были получены устойчивые результаты.
