Se presenta un método de diagnóstico para fallos en el camino de gas de motores turbofan, que se basa en una Red Neuronal Probabilística (PNN) acoplada a un modelo termodinámico del motor. El aspecto novedoso del método es que su información de entrenamiento se genera dinámicamente mediante un Modelo de Rendimiento del Motor que lo acompaña. En el enfoque propuesto, la PNN aborda de manera eficiente el primer paso de un proceso de diagnóstico (es decir, la detección del componente defectuoso en el punto de operación actual), mientras que con la ayuda de un modelo de motor adaptativo, la falla se aísla e identifica aún más. Se presenta una descripción del método propuesto y de los aspectos de entrenamiento de la PNN. El método se aplica al caso de un motor turbofan de flujo mixto para diagnosticar fallos comunes en el camino de gas en compresores y turbinas (es decir, ensuciamiento, FOD, erosión y holgura en la punta). Su rendimiento se evalúa utilizando datos de fallos realistas que pueden adquirirse en diversas condiciones de operación dentro de un sobrevuelo de vuelo.