航空发动机是一类具有复杂结构,非线性不确定性,多目标约束的控制对象,如何合理的设计航空发动机控制系统用以满足日益增长的航空动力的需求及如何保证发动机工作在安全边界内获得最优的性能指标用于改善系统的品质是目前研究的重点与挑战。本文采用部件法针对某型双转子涡扇发动机进行非线性模型建模,并利用小扰动方法对非线性模型进行线性化。航空发动机设计过程中如果仅追求发动机提供足够大的推力则会导致发动机的性能参数超过安全边界,引起发动机零部件的损害。因此为了能够给飞机提供所需动力,则要求发动机在约束范围内,最大限度的靠近边界又不超过许多的边界。本文首次采用鲸鱼算法针对发动机加速过程来优化燃油流量。将目标函数与约束条件离散化处理,利用鲸鱼算法得出每一个迭代点的最优值并组合起来得到整个过程最优值。仿真结果表明将鲸鱼算法应用在发动机系统中具有很好的可靠性及搜索能力。为验证鲸鱼算法的优越性,本文将鲸鱼算法与经典粒子群算法比较得出,在性能最优情况下,鲸鱼算法比粒子群算法具有更好的收敛性和精确性。因航空发动机系统具有很大的不确定性,且时滞问题的存在一直是发动机控制系统鲜有研究的难点,因此针对具有时滞的航空发动机控制系统的数学模型,本文给出了基于RBF神经网络的滑模控制器的设计方案。设计了幂次函数趋近律解决滑模控制中存在的切换面抖振现象;并利用RBF神经网络方法实时补偿等效干扰的影响,仿真结果表明所设计的滑模控制器能使系统具有较好的动态及稳态性能。