故障诊断和容错控制技术是提高航空发动机控制系统安全性及可靠性的重要手段。本文以某型涡扇发动机部件级模型为研究对象,针对其控制系统执行机构及传感器故障,分别研究了基于智能算法的故障诊断及容错控制方法,并从工程可行性的角度,进行了半物理仿真试验验证。首先建立了某型涡扇发动机慢车以上状态的部件级非线性模型,作为本文开展容错控制研究的对象,并基于该部件级模型的数据,建立了机载实时模型。搭建了本文试验验证所需的半物理仿真试验系统,该系统主要包括半物理仿真试验器、燃油调节器及快速原型控制器;在快速原型控制器上构建了针对某型涡扇发动机的燃油执行机构位置小闭环位置控制回路及发动机转速大闭环控制回路。针对航空发动机燃油执行机构的位置控制回路,提出了一种基于执行机构数学模型及发动机燃油逆映射模型的故障诊断方法,以实现对执行机构自身故障及其线性可变差动变压器(LVDT)位移传感器故障的检测和区分。基于非线性回归方法极端学习机(ELM)算法建立了发动机燃油逆映射模型,保证了燃油估计的精度和实时性。半物理仿真试验结果表明,该故障诊断方法能快速准确地检测并区分出幅度在2%以上的执行机构故障和LVDT传感器故障。针对航空发动机传感器故障诊断,提出了一种选择更新正则在线贯序极端学习机(SROS-ELM)算法。该算法引入了正则化因子以解决矩阵奇异和病态的问题,将结构风险和经验风险最小化,同时增加了一种选择机制,根据泛化能力对输出权值进行选择性更新,提高了估计精度。此外,以叠加的波形函数替代原来单一的激励函数,增加了估计模型的稳定性和动态逼近性能。通过在多个回归数据集上的测试,验证了算法的有效性。将SROS-ELM算法应用于航空发动机传感器故障诊断,并进行了半物理仿真试验验证。结果表明,该方法能够快速有效地对航空发动机转速及各气路传感器故障进行诊断与隔离。最后,对执行机构控制回路故障诊断模块和传感器故障诊断模块进行隔离研究,并通过自适应加权法,将机载实时模型输出值与基于SROS-ELM算法的传感器估计值结果进行融合,从而更精确地重构出故障传感器信号。在此基础上,提出一种改进全局快速非奇异Terminal滑模控制器,从而完成了智能容错控制系统的设计。半物理仿真试验结果表明,该系统可以及时检测出传感器故障,实时准确地估计并反馈信号,达到了容错控制的目标。