保持航空发动机涡轮叶尖间隙在合理范围值内,可以获得更好的涡轮效率和更高的燃油效率。但是由于航空发动机在复杂环境下运行,影响叶尖间隙变化的因素很多,如果要在该环境下对航空发动机进行叶尖间隙的高效准确预测和调控,传统的数值仿真方法无法实现。高效的间隙预估模型和方法,无论是对间隙控制系统的设计还是工程上间隙的调控,都是非常关键的。考虑到航空发动机叶尖间隙预测计算的复杂性,本文提出集成融合优化算法并应用到叶尖间隙预测与调控中,在保证计算精度的同时,大大提高了计算效率,为航空发动机的设计与研制提供重要支撑。本文首先依据基本的优化设计问题,利用传统SVR模型、ANN模型和GPR模型构建本文的集成融合优化算法的代理模型。对提出的集成融合优化算法代理模型进行理论分析和计算流程描述,在整个优化过程中,充分利用样本数据特点对模型的迭代算法进行了划分,可以更优地应用于航空发动机预测模型,增加整体模型的泛化能力。为了检验本文提出的集成融合代理模型的性能,同时利用4组标准计算函数对其性能进行了分析和验证。其次,为了探索其在涡轮叶尖间隙预测与快速调控方面的能力,本文利用数值计算方法对退化后涡轮部件进行计算为集成融合代理模型提供数据支撑。随后利用FOAM代理模型分别对高压涡轮部件形变预测模型和快速调控模型进行建模分析,对高压涡轮预测模型的稳态预测结果与数值计算结果进行对比,结果显示机匣的预测结果最大偏差为6.3%,叶片预测结果最大偏差为0.31%,轮盘预测模型平均偏差为1.65%;同时针对不同状态下的叶尖间隙,快速调控模型给出的调控策略可使得叶尖间隙计算结果均在0.2mm～0.5mm之间。最后,依据本文提出的高压涡轮叶尖间隙快速调控模型,针对高压涡轮机匣部件,建立机匣调控实验方案,首先验证本文的机匣部件的变形预测模型的预测精度,实验结果显示最大偏差在2.13%;并依据本文提出的调控策略,对机匣部件进行了试验验证对比,实验结果基本落在理想范围值内,最终验证本文提出的叶尖间隙快速调控模型的调控策略的合理性。