本文从数学模型和控制器两方面着手研究提高航空发动机控制系统自适应性的方法。包括机载自适应实时模型研究和神经网络控制研究两部分。 本文建立发动机机载自适应实时模型的思想认为:发动机的任何非额定工况都必然导致其输出参数变化,输出参数会偏离它们的额定值产生输出偏离量。通过设计卡尔曼滤波器和神经网络映射模块的方法可以在线实时地获得这些输出偏离量,并将其用来修正按额定特性建立的发动机部件级模型的输出,最后再利用修正后的模型参数,经过一系列非线性计算即可获得发动机非额定工况下的性能量(推力、喘振裕度等)的准确值,从而具备对发动机非额定工况的自适应能力。 关于神经网络控制,本文主要研究了基于 BP 网络整定的 PID 控制和神经网络并行控制两种方案。前者利用神经网络具有的非线性逼近能力,通过对系统性能指标的学习来实现 PID 控制参数的最佳组合;后者将神经网络作为前馈控制器与 PID 反馈控制器共同起控制作用。两种方案都充分利用了神经网络在线学习调整权值的能力,增强了控制器对对象特性变化的自适应能力。本文最后还对 CMAC 网络模型进行了学习和研究,并尝试着将其应用于航空发动机线性模型的控制,取得了较好的控制效果,为进一步研究做准备。