在涡扇发动机的控制系统中,传感器作为测量元件直接影响着控制系统及整个发动机的安全运行。为了保障涡扇发动机的可靠性,本文采用三种不同的方法设计了传感器的故障诊断系统,并开展了仿真验证。首先,本文介绍了涡扇发动机非线性数学模型及其线性化方法,并基于线性化模型设计了卡尔曼滤波估计器,通过设计各个局部滤波器对应的输入信息,建立了基于联合卡尔曼滤波器的传感器故障诊断系统。其次,本文基于非线性自回归(NARX)神经网络算法建立了传感器故障诊断系统。该部分利用NARX神经网络的反馈特性,将过去时刻的输出也参与到输入中,使得该网络包含了多步输入输出的时延信息,提高了网络训练的精度。同时采用故障阈值判别法更新网络参数,根据判别结果将故障传感器信号剔除并以映射值代之作为系统的输出。针对算法运算,提出了仅对神经网络隐含层到输出层的权值进行在线修正,提高了传感器故障诊断的实时性。最后,本文围绕神经网络训练算法的改进和多余度传感器故障诊断系统的设计开展研究工作。提出了一种基于组合激励函数的神经网络隐含层输出计算方法,并以递推最小二乘法更新神经网络权值,提高了算法的运算效率。针对多余度传感器故障诊断问题,以双通道传感器与神经网络映射模块构成多余度故障诊断系统,并以模糊逻辑进行信息融合。同时,本文通过减少诊断系统的输入及隐含层节点数,对传感器故障诊断系统的结构进行了精简设计。该设计的优势在于,由于所设计的诊断系统输入信号少,诊断传感器之间的相互耦合和关联少,通过诊断逻辑的设置,可以使系统实现多传感器故障的有效诊断。仿真结果显示,当传感器发生偏置及漂移故障时,本文所设计的故障诊断系统诊断及重构效果较好。