先进控制策略是当前航空发动机控制的主流方向。本文对神经网络自适应控制、神经网络反步控制在航空发动机中的应用进行了一系列的研究工作,并对基于神经网络补偿的自适应控制算法进行实物在回路仿真试验,验证算法的有效性。针对航空发动机,设计了一种径向基函数神经网络补偿的自适应控制算法。在控制结构中加入一个稳态工作点处的线化模型,降低了补偿模块的负担,使得响应更加迅速。径向基神经网络补偿模块用于抑制未建模动态、传感器噪声、时延等,使整个系统具有一定的鲁棒性。探讨了非线性控制算法在航空发动机控制中的应用。将神经网络与反步法相结合,提出了切换型的神经网络反步控制方法,采用一种平滑的切换逻辑,避免了两者结合后可能出现的奇异问题。该算法中神经网络用于辨识未知系统参数。数字仿真结果表明该算法能有效改善控制系统过渡态的品质。利用实物在回路仿真平台,验证了基于神经网络补偿的模型参考自适应控制算法在航空发动机应用中的有效性。从工程应用角度出发,采用一个相对简单的双层神经网络进行补偿,并设计了从慢车到中间及以上状态的多变量鲁棒控制算法。在全包线内实物在回路仿真试验验证了控制算法的有效性。