【摘要】针对航空发动机试车时状态控制存在的精度不足与响应延迟问题，提出一种融合深度强化学习（DRL）、数字孪生（DigitalTwin）及自适应模糊 PID 的智能控制架构。通过构建高精准度的气动热力学模型，实时解算压气机喘振裕度、涡轮前温度裕度等关键参数，并结合试车台架的实测数据验证该控制策略的有效性。实验结果显示，新方法将稳态控制提高了试车过程的安全性与效率，为新一代发动机的智能试车提供了技术支持。