航空发动机具有高复杂度和精密性等特性,是航空航天领域的研究重点。随着航空发动机技术的不断发展,航空发动机控制系统的精度要求也在不断提高。本文针对航空发动机控制系统的最优化控制进行研究,采用基于数据驱动的算法,并与多模型方法相结合,实现对航空发动机的优化先进控制。首先对航空发动机构造及控制技术进行了简要的介绍,并对模型发动机进行了局部点的简化建模。通过仿真模型获得发动机的运行状态数据为后续算法验证及仿真提供了数据基础。考虑到模型复杂并避免“维数灾”,选取自适应动态规划(Adaptive dynamic programming,ADP)方法作为求解最优控制律的核心迭代算法。ADP方法用于非线性系统的最优控制问题,能有效近似HJB方程进而求解,获得航空发动机的最优控制律,不需要获取准确模型,适用于强非线性、高复杂性的航空发动机系统。航空发动机工作模式众多且切换频繁,为了改善其过渡态响应,通过多模型方法与自适应方法结合,基于多模型方法提出一种多模型二阶自适应动态规划方法。利用凸包集合线性表出的方法加快系统辨识的收敛速度,并极大程度缓解了自适应算法对于初值敏感的问题。最后进行仿真验证,选取了一种涡轮风扇发动机作为研究对象,利用伺服信号以及信号的二次归一化以避免引入噪声,减少对系统的损害。通过程序对HJB方程进行近似和迭代,用数据表示航空发动机不同工作模态,再利用切换以及间接加权的方式加快系统的收敛速度。实验结果表明,文章提出的基于数据驱动的优化算法切实有效,适用于具有强非线性的航空发动机控制系统。