现代航空发动机具有复杂、多变量、非线性以及强耦合等特点,采用传统的控制理论和控制方式已不能满足现代航空发动机的控制要求,越来越多地要求采用现代的先进控制理论和方法设计控制器。目前,运用智能控制算法设计控制器是航空发动机控制领域研究的热点问题之一,本文对此进行了研究。首先,以某涡扇发动机为例,分别研究了发动机处于最大状态、加力状态、节流状态以及慢车状态时的稳态控制规律。进一步对航空发动机的数学模型进行了研究,按照涡扇发动机的热力循环过程和共同工作条件,建立了发动机稳态工作的部件级非线性模型,并在此基础上研究了发动机的状态空间模型,为后续开展发动机稳态控制算法研究奠定基础。其次,研究了基于神经网络的PID控制算法,提出使用BP神经网络与误差判断规则相结合整定PID算法的参数。BP神经网络根据输入计算出输出,然后误差判断规则将根据误差的大小,给出相对应的系数与BP神经网络的输出相结合,作为PID算法的三个参数。结合航空发动机在某稳态工作点处的线性化数学模型,使用MATLAB/SIMULINK软件对算法进行验证,结果显示,基于BP神经网络误差判断PID控制算法的控制效果良好,能很好的适应飞行环境的变化。然后,设计了基于模糊误差判断PID控制算法;由模糊规则表、误差判断规则以及PID控制组成模糊误差判断PID控制器;模糊规则表根据经验得出;误差判断将根据误差的大小,对模糊规则表进行修改;模糊规则表与PID控制器结合调节控制量,达到控制执行机构的目的;使用MATLAB/SIMULINK进行算法仿真,仿真结果显示:模糊误差判断PID控制算法运用于航空发动机控制,效果良好,验证了所提算法的可行性。最后,本文运用了滑模控制理论设计控制器,针对航空发动机的多输入多输出、结构复杂、工作环境多变,研究了基于模糊滑模算法的多变量控制方法。引入了模糊控制调节控制律中的一个参数,使控制器性能提高;由模糊规则表及滑模控制律构成模糊滑模控制器,模糊规则表是根据测试经验得到,然后根据误差大小的绝对值,对模糊规则表进行修改。本文提出了一种变换状态量的方法,解决了因设计滑模控制器对数学模型进行扩展,而导致输入多于输出的问题。使用软件仿真,结果显示所提出的控制方法是可行的,对航空发动机的控制效果良好,并具有一定的抗干扰能力。