航空涡轴发动机是一类非常复杂的高度非线性时变系统，其真实工作环境恶劣，在全包线飞行范围内有诸多不确定因素且控制变量多。为了更好地对发动机进行研究，需要建立一个精确的数学模型，在数学模型上对发动机进行控制系统设计。目前，由人工神经网络构成的智能控制具有较强自学习、自适应功能，将其应用于涡轴发动机中将能够有效地解决发动机控制对象复杂、非线性强的难题。本文首先采用解析法根据发动机工作所遵循的气动、热力学规律建立涡轴发动机的非线性部件级模型，用相应的气动热力学方程代替涡轴发动机的真实工作部件，同时根据旋翼的特性数据采用拟合法建立旋翼模型，然后根据发动机工作必须遵循的质量、能量守恒定律将各个部件串联起来，形成共同的整体，得到共同的工作方程组，利用Newton-Raphson方法求解这些非线性方程组得到发动机相关参数，模拟发动机真实工作的气动热力状态变化。最后针对已建的发动机模型进行控制系统设计。分别将具有自学习和自适应能力的单神经元网络和BP神经网络与简单易行的传统PID控制相结合，设计出能够在线调整参数的单神经元智能PID控制器和BP神经网络智能PID控制器，两个控制器都是基于功率反馈进行设计，把功率直接引入控制器中参与控制调节，大大增强系统控制的灵敏度，同时可提高控制器的效率。分别用两个控制器对模型进行动、稳态仿真，验证模型的正确性以及控制器的性能。根据仿真结果综合两个控制器的特点，建立模型的智能寻优控制器。