本文以某研究所提供的某型歼击机的飞机模型为对象,研究了容错控制技术以及基于神经网络的故障诊断技术,设计了歼击机容错控制律和故障诊断方案,并用C++语言编程实现。首先,利用MATLAB中的一维和二维插值模块,对各种故障类型的气动力参数及气动力矩参数数据进行了插值处理,并在此基础上建立了各种故障飞机飞行的MATLAB仿真模型。其次,在基于歼击机T-S模糊模型的基础上,将对系统性能影响较大的结构故障考虑入设计过程,选用垂直域和扇形域相结合的区域,利用迭代ARE算法求解鲁棒容错控制器。为了搜寻具有较大鲁棒度的容错控制器,本文将迭代ARE算法与小生境遗传算法相结合,寻求最优的γ值所对应的鲁棒控制器。因为T-S线性化存在一定的模糊建模误差,文中采用一种权重、函数中心和宽度可在线自适应调整的RBF神经网络,有效地对消系统的模糊建模误差。再次,本文中提出了将自适应RBF神经网络与遗传算法相结合的一种新的算法,用于歼击机故障诊断。RBF神经网络的中心和宽度是随着样本的不同而变化的,具有自适应调节的功能。根据类类距离最远的原则,最后确定一个与类别数相同的最简结构网络。将这种算法与K-means聚类方法、随机选择RBF中心方法、调用RBF神经网络函数方法、连续最小RBF神经网络算法进行比较,结果可见本文方法的正确率高于其他方法的分类正确率。最后,在MATLAB环境下,进行了大量的仿真,对照美国的飞行指标,确定控制器故障容错的范围。与传统地鲁棒容错控制相比,本文的方法能很大地提高系统的动态性能。在VC++开发平台下,用C++语言,建立了控制律仿真模块,实现实时飞行仿真。