航空发动机建模是航空发动机领域的的一个重要研究方向,航空发动机数学模型是对发动机进行控制研究的前提和基础,对于实际测量的试车数据建模相关研究文献很少,本文从快速、简单、准确适用的角度出发,研究了利用发动机用BP、RBF 神经网络建立发动机地面试车模型的方法,同时应用自联想网络对数据中的噪声加以滤波。主要内容有以下几个方面: (1) 首先回顾了神经网络的发展历程,介绍了神经网络基本单元-神经元的基本结构和数学原理。并提出了应用自联想网络进行数据滤波的方法,对实际测量数据和理论模型输出数据的滤波效果进行对比,指出其滤波过程中的优点和不足之处。 (2) 探讨了发动机建模原理及其实现方法,介绍机理建模和辨识建模的原理,给出了利用机理建模建立相应发动机的数学模型的方法。 (3) 从理论上来证明前向网络对非线性系统的任意精度逼近能力,为后续章节中 BP 和 RBF 建模奠定了理论基础。 (4) 用 BP 和 RBF 分别对发动机的三种地面试车状态进行建模,并对二种网络的训练速度、精度及泛化能力等方面做了详细比较和探讨。 (5) 总结全文,展望神经网络建模和智能数字滤波技术在航空发动机领域的重要性及其应用。