作为涡扇发动机的核心系统,控制系统保证了发动机安全、可靠地工作,为飞机飞行提供推力。若控制系统发生故障,则很难达到期望的控制目标,甚至造成飞行事故。因此,为了减少维修费用,确保飞行的安全性,开展针对涡扇发动机控制系统的故障诊断与容错控制研究具有重要意义。本文以某型涡扇发动机为研究对象,采用拟合法建立小偏差模型,并通过伪逆法建立仿射参数依赖型的线性参数变化(Linear-Parameter-Varying,LPV)模型。当涡扇发动机控制系统发生故障时,需要快速、准确地进行诊断,并利用诊断出的故障信息进行容错控制,确保控制系统仍能正常工作,并满足一定的性能指标。为此,本文提出了一种基于线性分式变换(Linear Fractional Transformation,LFT)参数依赖的LPV故障估计器设计方法。首先,针对同时存在扰动、执行机构及传感器故障的涡扇发动机LPV模型,将LPV故障估计问题转化为基于LFT参数依赖的鲁棒H_?控制问题。然后,基于S-过程,给出了低保守性的故障估计器存在的充分条件。此外,提出了具有自适应调度特性的LPV故障估计器的设计算法,设计出的估计器参数能够随着LPV模型参数自适应变化,并且迅速检测和准确重构故障信号。针对存在扰动、乘性执行机构故障和加性传感器故障的涡扇发动机控制系统,本文设计了虚拟执行器的主动容错控制策略,对故障系统进行重构。该方法无需改变涡扇发动机的原控制器形式,通过重构系统可以保持控制系统稳定,并得到与无故障系统相近的控制效果,实现容错控制。此外,考虑到涡扇发动机由于气路部件性能退化而导致故障发生,本文基于机器学习算法建立了气路性能参数预测模型,对气路性能参数的变化趋势进行预测与分析,实现涡扇发动机气路部件的性能监视。首先,针对某型涡扇发动机启动时的地面试车数据,通过相关性分析选择预测模型的输入参数;然后,基于相空间重构技术,构建了输入-输出数据;最后,通过AdaBoost.RT_ELM算法,建立了气路性能参数预测模型,该预测模型能够实现对气路性能参数变化趋势的预测与分析,预测精度高,符合工程需求。