该文以解决神经网络技术应用的实时性和有效性为研究目的,并以柴油机进排气系统故障诊断和燃油喷射控制为应用实例进行了相应的研究工作.为新技术在内燃机中的应用作了点铺垫,以求有所创新.针对柴油机故障诊断系统,该文建立了一套295柴油机进排气系统的非复合故障模拟试验台架,人为设置了气门间隙过小、气门间隙过大、进气门漏气和排气门漏气等故障,并在实机上进行了故障模拟试验.在振动信号采集过程中,采取了上止点信号和振动信号的同步采样,以获取整循环的缸盖振动信号,为基于神经网络和小波分析的故障诊断提供数据和实验支持.在振动信号故障特征提取前,该文利用小波降噪去除隐藏在缸盖振动信号中的环境白噪声,以利于故障的识别.对不采用小波降噪的信号处理进行了对比验证,结果表明经过小波降噪后的诊断方法比未经小波降噪的诊断方法故障识别率有一定程度的提高.该文提出了小波降噪、基于区间的小波包特征提取和神经网络技术融合的故障诊断方法,并以柴油机进排气系统故障为例验证了该方法的可行性.实时性问题是柴油机神经网络燃油喷射控制中存在的主要问题,目前对实时性的研究还比较少.为此,在硬件方面,该文采用快速的数字信号处理器取代常用的单片机来提高系统控制的速度;在软件方面,该文采用快速的RBF神经网络.由于RBF网络结构和参数的选取对其逼近精度和运算速度有较大影响,所以该文采用基于赤池信息准则和遗传算法的网络结构和参数的同时优化方法来优化控制网络模型,结果表明该方法能达到网络逼近性能和复杂程度之间的折中,以结构简单的网络模型来改善系统控制的实时性.最后该文将经过遗传算法优化的神经网络模型和改进的模糊控制方法相结合,实现了柴油机过渡过程和调速过程控制的仿真,实时调整柴油机喷油量来改善柴油机的过渡过程转速稳定性和调速过程的转速跟随性.通过对比分析可以看出基于神经网络的智能控制方法在柴油机上应用是有效可行的.神经网络等智能技术在内燃机中的应用前景将是非常广阔的.