La tecnología de diagnóstico del rendimiento de motores aéreos es esencial para garantizar la seguridad y fiabilidad del vuelo. La complejidad del rendimiento del motor y el fuerte acoplamiento de las características de fallo hacen que sea un desafío desarrollar métodos de diagnóstico del camino de gas precisos y eficientes. Para abordar estos problemas, este estudio propone un novedoso marco de gemelo digital para motores aéreos que logra la digitalización de sistemas físicos. El modelo de mecanismo se construye a nivel de componente. El modelo basado en datos se construye utilizando un algoritmo de optimización por enjambre de partículas y aumento extremo de gradiente (PSO-XGBoost). Estos dos modelos se fusionan utilizando el método de fusión multimodal de bajo rango (LWF) y se combinan con el autoencoder apilado disperso (SSAE) para formar un marco de gemelo digital del motor para el diagnóstico del rendimiento. En comparación con los métodos que se basan únicamente en mecanismos o datos, el marco de gemelo digital propuesto puede utilizar de manera efectiva la información de mecanismos y datos para mejorar la precisión y fiabilidad. Los resultados de la investigación muestran que el marco de gemelo digital propuesto tiene una tasa de error del 0.125% en la predicción de parámetros del camino de gas y una precisión de diagnóstico de fallos del camino de gas del 98.6%. Considerando que el costo de degradación de una misión de vuelo típica para un solo motor de avión después de 3000 ciclos de vuelo es de aproximadamente 209.5 USD, el método propuesto tiene una buena eficiencia económica. Este marco puede utilizarse para mejorar la fiabilidad, disponibilidad y eficiencia del motor, y tiene un valor significativo en aplicaciones de ingeniería.