过去十年来，飞机工业的技术进步增加了飞机系统的复杂性。 反过来，这使得故障检测，诊断和修改/修复过程更加困难。 系统内出现故障可能会导致系统功能发生变化，降低系统性能并导致运行停机。 由于这个原因，基于条件的维护（CBM）被广泛用于飞机MRO行业，该状态基于维护的数据基于收集到的数据预测组件的状态。 CBM使用诊断和预测模型根据组件的剩余使用寿命（RUL）做出适当的维护措施决策。在本研究中，我们使用神经网络模型解决了故障检测问题，并且实验结果证明了神经网络的有效性。网络模型可以获得出色的性能。 故障诊断是一个更复杂的问题，它需要诊断故障的类型。 因此，故障诊断成为分类问题。 更重要的是，燃料系统的故障状态可能与燃料系统的先前状态有关。 因此，可以开发一个递归神经网络模型进行故障诊断。
