本文从提高航空发动机控制系统可靠性的角度,针对传感器故障开展故障诊断与容错控制技术研究,并进行了半物理仿真试验验证。论文内容涉及发动机状态变量模型和简化实时模型的建立、基于卡尔曼滤波器的故障诊断设计、基于RBF神经网络的自学习前馈PID控制器设计、发动机传感器容错控制系统的设计、快速原型控制器设计以及半物理仿真试验。首先基于某涡扇发动机部件级数学模型建立状态变量模型,并通过部件级模型数据建立简化实时模型。在状态变量模型和简化实时模型的基础上,结合卡尔曼滤波器理论,设计了基于卡尔曼滤波器组的发动机传感器故障诊断系统,实现了传感器故障的检测和隔离。其次,针对转速控制回路设计了基于RBF神经网络的自学习前馈PID控制算法。该算法综合了RBF神经网络的非线性映射能力以及PID控制器的鲁棒性等优点,特别是利用RBF神经网络的自学习能力可以实现前馈控制量的自动获取,而且便于工程实现。当传感器发生故障时,利用简化实时模型进行故障传感器的信号重构,结合控制算法实现了系统的容错控制。为了开展发动机容错控制系统的试验研究,本文基于Lab VIEW开发环境和Compact RIO硬件平台设计了针对某型涡扇发动机的快速原型控制器。该快速原型控制器具有双通道的油针位置控制、转速控制以及压力和温度采集能力,同时拥有强大的计算处理能力。最后,结合快速原型控制器、故障诊断与容错控制系统以及燃油调节器实物等软硬件条件,开展了某型涡扇发动机的传感器故障诊断与容错控制半物理仿真试验。试验结果表明,本文设计的故障诊断与容错控制系统可以快速、准确地对传感器故障进行检测、隔离和信号重构,有效地实现了发动机控制系统的容错控制,提高了控制系统的可靠性。