航空发动机部件性能退化会严重影响整机性能,导致发动机推力不足和飞机作战能力下降,国内外都将发动机状态评估和性能寻优控制技术作为重点研究内容。由于仿真模型与实际发动机的偏差以及模型和算法的复杂性,使得基于模型的发动机状态评估和性能寻优在实际应用时受到诸多限制,因此开展高精度实时模型建模方法研究和先进参数估计算法研究具有重要的意义。本文以某型双转子涡扇发动机为研究对象,研究了卡尔曼滤波器在发动机部件性能退化估计中的应用,建立了能实时跟踪发动机真实状态的机载自适应模型,在此基础上研究了推力补偿控制方法。具体的工作如下:首先,针对航空发动机部件级非线性模型与实际发动机存在较大误差的问题,提出一种基于内点优化算法的整机模型修正方法,该方法通过定义部件特性修正系数使模型计算结果与整机试车数据一致,结果表明该方法能明显提高模型精度。其次,在部件级模型的基础上建立了状态变量模型,结合标准卡尔曼滤波算法,建立了飞行包线内的机载自适应模型,结果表明该方法能较准确地估计出单部件和双部件性能退化程度,但是当被估计参数较多时,估计精度明显下降。再次,针对线性模型与非线性系统存在较大误差导致参数估计精度下降,以及部件级非线性模型过于复杂导致实时性难以满足的问题,本文改进了多输入-多输出系统平衡流形展开模型建模方法,提出了一种将平衡流形展开模型与非线性卡尔曼滤波算法相结合的参数估计方法,结果表明该方法能以较高的精度同时对多个退化因子进行实时估计。最后,分别设计了基于外环PI控制和基于BFGS内点优化算法的推力补偿方法,在本文设计的调节范围内,两种方法均能将推力恢复到正常水平。此外,基于外环PI控制的方法实时性好,但补偿范围有限;基于BFGS内点优化算法的方法能同时对转速、风扇/压气机导叶角度和尾喷管吼道面积进行调节,补偿范围广,但是只适用于离线优化和准稳态过程。