航空发动机具有具有复杂度高和精密性强等特性,成为航空航天领域的研究重点。发动机在高温、高速和高负荷的环境中长时间工作,发生故障的概率大大增加,且会造成巨大的财产损失和人员伤亡。随着控制系统在工业、军事领域的应用,基于解析冗余的故障诊断方法能够有效和快速地检测系统的故障,具有重要的理论研究与实际应用价值。本文针对航空发动机控制系统的故障诊断进行研究,采用基于数据驱动的算法,与多模型方法相结合,实现对系统出现故障的检测与隔离。首先选取自适应动态规划(Adaptive dynamic programming/ADP)方法作为故障诊断的基本迭代算法。ADP方法适用于非线性系统的最优控制问题,能有效近似系统的HJB方程进而求解,获得系统的最优控制律。本文将ADP方法应用于故障诊断问题中,适用于强非线性、高复杂性的系统,克服了其他算法的不足。同时给出了研究的发动机数据和多模型的建立。文章提出了一种基于ADP迭代算法的故障诊断方法,针对发动机的执行器故障,并给出了算法的稳定性和收敛性证明。该算法不需要知道系统的精确解析模型,消除了系统飘移和输入动态的不确定性对故障诊断结果的干扰。利用多模型方法,选定系统的工作模态,消除了模态切换的数据抖动对故障诊断造成的影响。又介绍了几种常见的发动机故障对应的模型,以及多故障同时发生时的故障检测与隔离情况。最后给出了一个Matlab仿真的实验结果,来验证本文提出的故障诊断算法。选取了一种涡轮风扇发动机作为研究对象,利用伺服信号以避免引入噪声,减少对系统的损害。通过程序对系统HJB方程进行近似和迭代,用数据表示系统不同工作模态,进而检测故障的发生及求解故障的大小,实现故障检测与隔离的目的。实验结果表明,文章提出的基于数据驱动的故障诊断算法切实有效,适用于具有强非线性的发动机控制系统。