该文应用神经网络理论重点研究汽油机废气排放特性与影响因数之间的非线性关系.在进行试验研究的基础上,利用神经网络的学习功能,非线性映射功能和记忆功能,建立起废气排放污染物与转速变化率、功率变化率、节气门开度变化率、真空度、排气温度等因素之间关系的非线性神经网络模型,并对建立的模型进行了验证,其主要工作如下:(1)通过对汽油机减速工况废气污染物排放的测试,获得了神经网络建模所需的大量学习样本.这些样本经网络学习,建立起了汽油机功率变化率、转速变化率、油门开度变化率、真空度、排气温度与排气中碳氢浓度、一氧化碳浓度之间关系的神经网络模型,同时对建立的模型进行了验证.(2)由于RBF神经网络在逼近能力、分类能力和学习速度等方面均优于BP网络;在减速工况下,首次采用了径向基函数RBF神经网络进行排放建模.(3)建立了汽油机进气管真空度与排放污染物HC、CO之间的非线性关系.(4)分析研究了减速工况下废气污染物HC、CO浓度增加的主要影响因数.(5)为汽油机减速工况排放控制提供理论基础和方法.