航空发动机是一种复杂的热力机械，其特性随工作状态和外界条件变化有很大的变化，常规的反馈控制理论或者最优控制理论很难或无法保证系统性能最优。本文以某型航空发动机为研究对象，研究了神经网络整定PID控制的理论和方法，并将其应用于航空发动机的控制中。主要内容包括： 针对航空发动机非线性模型的复杂性，通过对对角神经网络(DRNN)以及准对角递归神经网络(QDRNN)的分析，同时采用了梯度下降法(GMD)对神经网络进行学习，研究了基于DRNN／QDRNN网络的航空发动机多变量解耦PID控制系统。阐明了该算法的结构和原理，完成了对设计点及非设计点的仿真。研究表明，DRNN网络结构相对简单，易于构造训练算法，较好地解决了双变量控制系统中变量之间的耦合作用；而在DRNN网络基础上改进的QDRNN网络，在结构变化不大的情况下，从仿真结果看来，更好的解决了双变量控制系统中变量之间的耦合作用，同时保证了运算时间不会因此大幅度增加。