本文包括两个部分。第一部分是某型涡轮风扇发动机的数学模型及其计算方法的研究。首先建立了该发动机的气动热力计算模型，在此基础上提取出一个描述该发动机的六维非线性方程组。求解这个非线性方程组就得到发动机的静态点。然后，在此基础上，采用“一步通过算法”，建立发动机过渡态模型。并且，在建模的过程中，对由于缺乏准确的部件特性和一些截面上的正确的参数，如压力恢复系数，抽功量等所带来的问题提出相应的解决方法。 本文第二部分是某型涡轮风扇发动机自适应建模研究。本文提出了一种新的基于神经网络的发动机自适应实时模型的建模方法。建模的思想是认为发动机的任何非额定工作都将导致其输出参数的变化，因而可以把这些参数偏离正常工作参数值的变化量，也就是输出偏离量，用来表征发动机的非额定工作情况，把它们作为增广的状态变量，设计卡尔曼滤波器对其进行最优估计，然后用这些输出偏离量的估计值通过由BP神经网络训练出来的可测输出偏离量与未测输出偏离量的映射关系来校正机载发动机模型的计算输出，使之与真实发动机的输出一致，从而使实时机载模型获得对任何发动机非额定工况的自适应能力。