高超声速进气道不起动保护控制的主要任务包括两个方面。一个是“不起动预警”,是指进气道正常工作时,通过有效预警方法和手段防止进气道不起动的发生;另一个是“再起动控制”,是指进气道一旦出现不起动,采取有效的措施实现进气道重新起动。分析这两个控制任务可见,要实现不起动预警和再起动控制,首要的任务是对进气道的当前进气道工作模式进行检测,这也是实现进气道不起动保护控制的前提条件。研究发现,进气道不同工作模式状态检测可以归结为进气道起动/不起动多模式分类问题。如果建立了进气道不同模式之间的分类模型及准则,就能够对进气道的当前工作模式进行检测和判断,这也是完成进气道不起动保护控制的前提条件。本文研究高超声速进气道起动/不起动多模式分类问题,首先建立了流场数值模拟仿真平台。详细地介绍了高超声速进气道数值模拟方法,利用该方法对某典型进气道进行了数值模拟,进行了数值精确性分析,与试验数据进行了对比验证;并对高超声速进气道进行了数值模拟。在一个工况下由各测点共同记录的流场数据存在维数偏高,计算复杂度较高的困难,不利于实时对数据进行分类判别。本文引入了基于非线性降维的思想,在系统的阐述了流形学习的方法后,应用此方法对高维数据进行了降维处理和可视化分析。通过调整不同的系数比较对可视化效果的影响,分析了说明了流形学习的可视化方法在对此对象处理上的可行性和有效性。最后,本文基于流形学习的降维思想,对高维数据的模式分类问题进行了研究,结合物理对象提出了一种距离定义,用此距离对高维流场数据进行了降维分类研究,同时也提出了一种加权嵌入的流形学习的分类方法,并在理论上分析基于流形嵌入的分类方法的计算复杂性和时间代价。