航空发动机控制系统中,执行机构是控制器和发动机之间的桥梁,传感器作为测量元件是控制系统工作的基础,执行机构和传感器测量信号的正确与否将直接影响发动机控制系统的正常运行。因此,为了提高控制系统的可靠性,有必要建立航空发动机执行机构及气路传感器故障诊断系统与主动容错控制系统。本文首先研究了执行机构故障诊断技术。通过执行机构模型和发动机逆模型判断是否发生故障并对故障进行定位。基于离线训练BP神经网络建立执行机构模型,根据某半物理仿真试验台的测试数据训练网络参数。分别使用离线训练BP神经网络和在线训练最小二乘支持向量回归机建立发动机逆模型,在线训练过程中采用阈值判别法筛选训练样本,缩短了在线训练时间,提高了逆模型的实时性。某发动机燃油系统执行机构的仿真结果表明:在稳态和动态工况下,诊断系统能够准确地对执行机构及其传感器故障进行诊断和定位,具有很好的实时性和自适应能力。其次,本文研究了基于在线极端学习机(OS-ELM)的气路传感器故障诊断技术。为了实现对双传感器的故障诊断,设计了故障判别和诊断系统重置功能。重置时将故障传感器信号从预测模型的输入中剔除,提高了诊断系统的预测能力。仿真结果表明,该算法能够对航空发动机单传感器故障和部分双传感器故障进行有效地诊断与隔离,并具有较高的预测精度和实时性。最后,在传感器故障诊断模块基础上,研究了基于增广LQR的主动容错控制。通过多组控制器的主动切换逻辑,实现了故障传感器的有效隔离,避免了控制器的失效。