变循环发动机(Variable Cycle Engine,VCE)具有高单位推力和低耗油率,能够满足飞机的不同飞行动力要求等特性,是未来飞机的首选动力装置。与传统的航空发动机相比,变循环发动机系统结构复杂、具有更多的可调部件,传统的航空发动机多变量控制规律难以满足变循环发动机的控制要求。本文以某型变循环发动机为研究对象,分别采用脑情感学习算法和改进的确定性策略梯度算法进行变循环发动机多变量控制规律设计,并基于该型变循环发动机模型进行了仿真验证,主要研究内容包括:本文提出一种基于差分进化算法的脑情感学习模型的变循环发动机多变量控制算法。首先,分别设计了基于脑情感学习模型的变循环发动机双变量和三变量控制架构。其次,针对脑情感学习算法随着控制变量的增多,控制器参数急剧增多的问题,提出了一种基于差分算法的脑情感学习算法,实现了变循环发动机多部件组合调节。仿真结果表明,基于差分寻优算法的脑情感学习算法可以实现变循环发动机多变量的快速、精确控制。本文提出一种基于样本优先回放的确定性策略梯度算法(Deterministic policy gradient algorithm,DPG算法)的变循环发动机多变量控制算法,所提算法在经典的DPG算法基础上通过添加目标神经网络和优先回放样本池,用于提高算法的控制精度和加快多变量控制策略的训练速度,从而实现变循环发动机八个控制变量的非解耦控制。仿真结果表明,基于样本优先回放的DPG算法可以实现变循环发动机稳态控制,与传统的多变量开环、解耦控制方法相比,该方法不需要进行解耦控制和先验知识的指导,更具有工程实用性。