航空发动机是一个结构复杂的非线性多变量控制对象,具有不确定性和时变性。传统的控制算法的设计依赖于被控对象的精确数学模型,难以对复杂对象进行有效控制。因此,有必要研究不依赖于对象精确数学模型的控制算法,基于仿生学理论的遗传算法和神经网络为设计此类控制器提供了可能。本文设计了一种基于神经网络的PID控制器。利用两个结构相同的三层前向网络,调整发动机转速控制回路和压比控制回路中的PID控制器参数,实现对发动机的控制。神经网络权重采用BP算法在线调整。仿真结果表明,所设计的控制器在包线内具有很强的自适应性,有效降低了控制回路间的耦合,提高了系统动、静态性能。采用递归神经网络作为辨识机构,设计了基于递归神经网络的航空发动机自适应控制系统。采用递归神经网络辨识发动机模型,采用自适应算法对神经网络权值进行在线调整,并在飞行包线内各工作点对控制系统进行了仿真。设计了基于遗传算法的发动机PID控制器,用遗传算法对PID控制器三个参数在一定范围内搜索寻优,实现PID控制器参数的自动整定。将遗传算法与神经网络相结合设计了发动机转速控制系统。将前向神经网络作为控制器,利用遗传算法离线优化神经网络的权重,所设计的发动机控制系统具有满意的控制性能。