高压共轨系统是现代柴油机的核心,轨压控制直接影响到柴油机的动力性、经济性和排放性,轨压的稳态跟踪和瞬态响应性能是衡量轨压控制的重要指标。根据高压共轨喷射系统的物理结构和控制原理,创建了轨压控制和计量阀(MeUn)流量的函数关系,以此为基础建立Simulink控制模块实现轨压精确控制。通过与AMESim建立的高压共轨燃油喷射系统物理被控模型联合仿真,检测轨压控制模型运行效果,同时检验模型的可行性和完整性。仿真结果表明轨压波动稳定且幅值变化较少,单次喷射中轨压下降量均在稳态轨压波动幅值内;动态轨压跟踪响应迅速且稳定;过渡工况下轨压平稳且未出现超调现象。

采用模块化的理念，针对通用小型汽油机电控系统开发了一套控制软件。在Simulink环境下进行控制算法建模，完成数据管理模块、用户管理模块、发动机管理模块、齿中断模块设计。搭建喷油和点火控制模型，验证驱动信号的稳定性，并以168F型汽油机为样机完成发动机性能试验。试验结果表明：采用模块化设计控制软件的通用小型汽油机，动力性、经济性和排放性能均有提高。相较于原机，最大转矩提高了2.5%，标定功率提高了4.1%，标定工况下有效燃油消耗率降低了5.1%；CO和HC+NOX排放测试结果均有所降低，可满足美国环境保护署（EPA）小型非道路火花点火发动机第三阶段排放法规的要求。

针对柴油机SCR控制单元提出一种硬件电路的检测策略,结合模块化设计理念,开发出一套柴油机SCR控制单元检测系统。在CodeWarrior环境下进行测试程序的编写;运用LabVIEW图形化的语言特点,设计检测系统上位机检测界面;通过信号发生器、电压显示仪表、稳压电源、步进电机、数据采集卡、USBCAN调试器等设备搭建硬件测试平台,并完成检测系统试验验证。结果表明：检测系统可准确地反应出控制单元元器件的优劣、线路连接的可靠性以及控制单元各功能实现的完好性,该检测系统操作方便、工作可靠、检测效率高。

运用BP神经网络（Back Propagation Network）的自学习以及非线性逼近能力,对双燃料发动机排气中CO、HC、NOx和碳烟的浓度进行拟合和预测。搭建神经网络模型,通过采集双燃料发动机排气浓度数据对神经网络模型进行训练和验证。当BP神经网络训练过程中样本和模型计算值的线性相关系数R大于0.9,且用于验证的数据和模型运算值误差在可忽略范围内,则所建的神经网络模型能够有效预测双燃料发动机的排气浓度。训练结果显示,CO、HC、NOx和碳烟浓度的模型计算值和实测值线性相关系数R都大于0.9,说明神经网络具有较强的拟合能力;验证结果显示,预测值和实测值的相对平均误差都小于10%,能够满足实际需求。结果表明,运用神经网络模型能够有效预测双燃料发动机的排放。

运用AMEsim软件建立了高压共轨的电磁阀的模型，并对模型进行分析求解。得到了电磁阀驱动电压、线圈匝数、弹簧刚度、衔铁质量等参数对电磁阀响应特性的影响趋势，得出了一些重要的理论分析结论，为电磁铁设计提供依据，对电磁阀的开发和研制有一定的参考价值。