作为测量元件，传感器在航空发动机控制系统中具有举足轻重的作用，传感器信号的准确与否，直接影响到航空发动机控制系统的安全稳定工作。因而，很有必要建立航空发动机控制系统传感器故障检测、隔离与重构系统，以提高发动机控制系统的可靠性。本文针对航空发动机控制系统的传感器故障诊断和信号重构，结合机器学习中具有统计学基础和优良泛化能力的支持向量回归机技术，开展了一系列系统而深入的研究。首先，重点研究了迭代约简最小二乘支持向量回归机(RR-LSSVR)，并将其应用到航空发动机传感器故障诊断和信号重构中，进行了单传感器故障和双传感器故障的数字仿真验证，取得了一定的效果。其次，研究了在发动机发生蜕化情况的传感器故障诊断和信号重构技术，由于RR-LSSVR是一种离线学习算法，只能基于离线数据进行诊断和重构，不能考虑到发动机性能蜕化的因素。笔者利用相似原理设计了一种基于推进系统矩阵（PSM）的简化模型，用于求取发动机性能蜕化时的信号偏差值，用此偏差值来补偿RR-LSSVR的信号估计值。如此，实现了发动机多部件蜕化状态下的传感器故障诊断和信号重构。第三，考虑到上述方案的复杂性，笔者又研究了一种新的学习算法——在线滑动稀疏最小二乘支持向量回归机，并在VC环境中实现，以具算法的工程应用性。在线滑动稀疏最小二乘支持向量回归机是一种在线学习算法，可以根据当前发动机状态信息实时更新支持向量，包含了发动机性能蜕化的因素，克服了离线学习算法训练样本固定且有限、无法自适应更新模型的缺陷。最后，笔者基于在线滑动稀疏最小二乘支持向量回归机设计了发动机传感器故障诊断和信号重构系统，利用离当前时刻最近的或最有效的信息来更新预测模型，而后准确估计发动机的动态输出，很好地实现了单传感器故障和双传感器故障的诊断及信号重构。