航空发动机是现代航空产业中的最为重要的机器,对于控制系统而言,发动机是一种拥有多变量、强非线性和不确定性的复杂对象,发动机控制系统性能的优劣将不仅直接影响到飞机的飞行可靠性和经济性,甚至会危及飞行员的生命安全,所以研究先进的发动机控制技术具有很高的实际意义和理论价值。本文以某型号涡扇发动机为研究对象,以稳态工况点处的发动机模型为被控对象,使用抽功法建立其数学模型用于控制方法的设计。本文的主要工作一:针对发动机系统中存在的内部变量耦合和外部系统耦合的情况,采用了最优解耦控制。由于航空发动机是一个多输入多输出的复杂系统,往往单个输入的变化会影响多个输出,同时单个输出的变化也会影响其余的输出,在这种情况下直接进行控制器设计无法获得理想的效果。因此,需要对发动机系统进行系统内部的解耦,本文通过虚构一个中间控制量来达到消除系统变量之间的耦合关系。同时由于各系统之间的耦合也会对其产生耦合影响,此时通过设计发动机系统的输出来消除系统之间的耦合,使用最优跟踪控制的方法将发动机系统输出跟踪理想的输出。本文主要工作二:针对发动机系统数学模型参数未知且存在未建模系统动态的情况,采用了神经网络模型参考自适应控制。由于飞机飞行速度、高度等工作状态的改变,发动机的数学模型中的有关参数和系统结构将会相应发生改变,无法得到准确的数学模型,此时再利用最优控制的方法或者经典反馈控制来设计发动机系统的控制律将无法得到理想的控制性能。针对航空发动机工作在稳定态附近时存在系统模型参数未知的情况,使用基于Lyapunov稳定性理论的自适应控制设计控制律,设计了Lyapunov函数,并且给出了控制系统的稳定性证明。同时由于系统中存在的未知动态特性,在某些飞行状态发生改变时系统模型不能准确的反应出系统全部动态特性,即模型中存在未建模动态,针对此未建模动态使用神经网络进行训练得到其估计值,作为补偿量与自适应控制律相加从而得到了神经网络模型参考自适应控制律。最后经过仿真实验,验证了上述最优解耦控制方法在内外耦合下的解耦能力并且可以达到较优的性能指标;验证了神经网络模型参考自适应控制方法可以在不确定性因素下实现发动机系统的自适应跟踪控制。仿真结果表明本文设计的两种控制方法针对上述两种情况下的航空发动机控制是行之有效的,为发动机控制技术的研究开拓了新思路,具有一定的工程价值。