航空发动机是一类非常复杂而且非线性很强的被控对象，具有非常强的不确定性和时变性，并且建立其精确数学模型非常困难，将传统的控制方法应用到航空发动机控制中一般都难以获得令人满意的效果。因此研究不依赖被控对象精确数学模型的控制算法成为一个重要研究方向。首先，设计了一种遗传算法与PID控制器相结合的控制方法。根据经验初步估计PID参数的大致范围，然后再利用遗传算法(GA)在这一大致范围内进行搜索优化得到最优的PID参数。为满足性能指标的要求，设计了遗传算法与PID控制器相结合的航空发动机控制系统。其次，设计了一种基于遗传算法的神经网络自适应控制的方法。利用遗传算法搜索出一组最优的神经网络初始权值，并利用神经网络对发动机进行在线实时辨识。神经网络辨识得到的灵敏度信息被反馈给神经网络控制器，确保神经网络控制器对发动机的准确控制。结合某型航空涡喷发动机，在选定的设计点处进行发动机控制系统设计。仿真结果表明该控制系统不仅具有良好的响应速度和超调量，而且具有较强抗干扰能力。最后，设计了基于反步法的神经网络控制系统。由于发动机的空气和燃油的流量不可得，因此设计了神经网络观测器，由该观测器估计出发动机的状态变量。然后，基于反步法设计了神经网络控制器。仿真结果表明该控制系统有效的减小发动机燃烧的循环变动。