变循环发动机兼具涡扇发动机和涡喷发动机的性能优势,具有多变量、多约束、高度非线性、回路间高度耦合等特点,具有较大控制难度,因此需要设计更先进的控制系统。本文以变循环发动机为研究对象,开展了基于智能优化算法的性能寻优控制研究。教与学优化算法(Teaching-Learning-Based Optimization Algorithm,TLBO)具有结构简单、参数少、搜索能力强等特点,被广泛应用于工程问题优化中。本文研究了TLBO算法的基本原理和收敛性分析,为算法改进提供了理论指导。为了降低陷入局部最优的可能性,本文给出了TLBO的改进算法(MTLBO)。MTLBO算法在以下几个方面进行改进:在初始化阶段,引入“反向学习”,增加了种群多样性;在教师教学阶段,引入“惯性权重”,从而指引了学生的学习方向,平衡全局和局部搜索能力;在学生相互学习阶段,将两人相互学习改进成两人或三人相互学习,增强搜索空间多样性;在算法迭代后期,添加小范围高斯变异扰动,加强搜索分散性。并利用BenchMark测试函数完成基于MTLBO的MATLAB仿真,与粒子群算法(PSO)、人工蜂群算法(ABC)及基本TLBO算法寻优效果进行比较。结果表明,MTLBO在低维和高维函数性能寻优上,均具有更好的收敛精度和收敛速度。本文设计实现了基于MTLBO的多变量性能寻优控制算法,在双外涵和单外涵工作模式下,能够完成对变循环发动机最大推力和最小耗油率性能寻优控制。并分析了MTLBO算法中教学因子TF对优化结果的影响。同时,以非加力状态单外涵模式最大推力性能优化结果为例,验证了MTLBO算法比遗传算法对变循环发动机最大推力寻优有较好的优化效果。