先进控制策略是当今航空发动机控制的主流方向。本文以航空发动机为研究对象,采用数字仿真与实物在回路仿真试验相结合的方法,从工程实用的角度,对航空发动机开展模型参考自适应控制和基于自适应控制的神经网络补偿技术研究。在自适应控制方面,提出一种e修正的鲁棒模型参考自适应控制方案,将其应用于航空发动机转速和压比控制回路。数字仿真结果表明:带e修正的模型参考自适应控制方案实时性良好,在全包线范围内表现出较好的鲁棒性。在神经网络控制方面,提出了自适应控制的BP神经网络补偿的控制方案。该控制算法是在e修正的模型参考自适应控制的基础上,利用神经网络的非线性逼近能力来补偿系统的非线性特性,将其应用于航空发动机转速和压比控制回路。自适应控制的参数和神经网络的权重均在线调整。基于李雅普诺夫稳定性理论设计的在线学习算法保证了系统的稳定性。数字仿真结果表明通过神经网络的补偿可以进一步提高该系统在全包线范围内的动静态特性。将上述算法应用于航空发动机转速控制系统,在飞行/推进系统综合仿真平台上进行了实物在回路仿真试验,结果表明该控制算法对航空发动机具有很好的跟踪性能,可以满足工程实际应用的需要。