现代科技的飞速发展,使得航空发动机技术也不断提升,其不断增强的性能需求也对控制系统提出了更高的要求。本文以基于某型涡扇发动机部件级模型建立的状态变量模型为研究对象,研究了航空发动机内部的耦合关系,并对其进行解耦控制。首先,在建立模型方面,利用航空发动机部件级模型,采用小偏差法求取线性化模型初值,并进行拟合得到了航空发动机多输入多输出线性化模型。拟合时,考虑某些特殊点对线性化模型动态响应精度的影响程度,通过设置合适的权重进行建模。其次,在设计控制器方面,对于双输入双输出系统,使用经典的对角矩阵解耦法进行解耦,并利用相对增益矩阵判断耦合性的强弱;对于带时延的双输入双输出系统,同时考虑了耦合性与时延对系统的影响,设计了解耦PID控制器;对于三输入三输出系统,先采用相互作用指数来寻找最优输入输出配对,再针对被控对象模型参数存在一定不确定性的问题,通过求解Lyapunov函数,设计了保性能控制器。通过数值仿真,以上方法设计的控制器控制效果良好。最后,针对航空发动机内部耦合问题,将神经网络应用于解耦控制器。探讨了在不同隐含层节点数的情况下神经网络控制器的控制效果,从而选择合适的隐含层节点数。研究了神经网络学习时,不同的训练算法条件下控制器所需的训练步长对控制效果的影响,从而选择了最优训练算法。