本发明属于航空发动机的故障诊断技术领域，提供了一种基于集成学习的航空发动机高压转子故障诊断方法，该方法能预测航空发动机在未来飞行时间中是否会发生轴承振动故障问题；首先，利用随机森林中的基尼系数公式挑选出各类数据中重要程度较高的特征；然后，利用重要程度较高的特征数据来构建支持向量机模型；最后，利用粒子群优化算法来快速求解出支持向量机模型中的正则化参数C和核函数参数σ来整体提升模型的预测准确率。本发明的方法一方面有效地从数据集中选取了重要程度较高的特征来进行建模避免了维数灾难，另一方面通过粒子群算法对支持向量机模型的正则化常数C和核函数参数σ优化提升了模型的预测准确率。