众所周知,现代航空发动机是具有多变量、强耦合、非线性、存在时变不确定性等的复杂系统,而且其工作范围广、工作环境恶劣、控制要求越来越高,使得基于单变量的、基于精确数学模型的、基于线性控制理论的各种控制算法已不能满足现代航空发动机控制要求,为此,本文以某现代航空发动机为研究对象,对其自适应控制进行了研究。主要工作如下:（1）对现代航空发动机的不确定性因素进行了研究,建立了带不确定性因素的航空发动机数学模型。首先,分析了航空发动机标称模型的建模流程,将控制器输出引入模型中;然后,分析了航空发动机不确定性因素的成因与影响特点,将不确定性分为匹配不确定性、随机不确定性和突发不确定性;最后,建立了包含匹配不确定性与随机不确定性的不确定性模型。为进行时变不确定性的航空发动机自适应控制仿真研究提供了被控对象。（2）对基于RBF神经网络补偿的航空发动机多变量H∞自适应控制进行了研究。首先,基于H∞控制理论设计了主控制器;然后,基于李雅普诺夫理论设计RBF神经网络补偿控制器对不确定性进行补偿;最后,在不确定条件下对上述控制器进行数值仿真试验,仿真试验表明:该控制器能有效地对具有不确定性因素的多变量航空发动机进行控制,有效改善了超调量和调节时间。（3）对航空发动机多变量无模型自适应控制进行了研究。首先,针对航空发动机的强耦合性,设计了基于线性二次调节器的解耦控制器;然后,设计了全格式的无模型自适应控制器,以消除不确定性对解耦后系统的影响;最后,在不确定条件下对上述控制器进行数值仿真试验,仿真试验表明:该控制器能有效地对具有不确定性因素的多变量航空发动机进行控制,有效改善了超调量。（4）对航空发动机模型参考自适应控制进行了研究。首先,建立增广参考模型;然后,使用RBF神经网络设计自适应分量,简化了设计,不再需要对自适应速率矩阵进行寻优调试;最后,在不确定条件下对上述控制器进行数值仿真试验,仿真试验表明:该控制器能有效地对具有不确定性因素的多变量航空发动机进行控制,能有效消除各种不确定性对发动机性能影响。