在现代航空发动机中,数字控制系统是提高性能、保障安全可靠性的重要环节。在发动机控制系统中,传感器采集感测信号是控制系统工作的基础,执行机构执行控制系统指令是控制器和发动机之间的桥梁。对于工作在高温、高压、强振动的恶劣环境中的发动机而言,保障控制系统的可靠性非常重要,传感器和执行机构属于故障多发元件,因此针对航空发动机控制系统传感器和执行机构的故障,开展故障诊断与容错控制研究具有显著的理论意义和工程应用价值。为了满足航空发动机控制系统故障诊断与容错控制仿真研究需要,首先搭建了涡扇发动机闭环仿真平台。将GasTurb中核心机的通用特性曲线数据缩放得到特定发动机的特性数据,采用面向对象的程序设计技术设计了发动机通用部件类库,从而建立双轴混排涡扇发动机部件级模型,在此基础上加入控制计划和PID控制算法构成闭环仿真回路,加入气路部件性能蜕化和发动机故障仿真数值,完成涡扇发动机闭环仿真平台的建立。设计了基于涡扇部件级模型和扩展卡尔曼滤波器的机载自适应实时模型,为提高模型自适应跟踪能力,采用改进非支配排序多目标遗传算法实现发动机性能蜕化估计。在真实发动机和机载模型的基础上,提出结合深度学习网络结构、核函数以及简约改进方法的简约深度核极限学习机算法作为故障诊断算法,仿真表明该算法同时兼具较高的诊断精度和训练速度。经故障诊断算法确诊的传感器偏置故障,通过机载模型提供解析余度实现容错控制;主燃油阀执行机构的偏置故障,通过PID控制算法的积分环节自动修正燃油量;主燃油阀的卡死故障,尝试了通过切换控制律实现主动容错控制。数字仿真表明,容错控制系统效果良好。