由于较高的热效率和可靠性，柴油机在交通运输及建筑业得到了广泛的应用。最近几年，随着人们对环境保护的意识的提高，针对柴油机污染物排放的法规不断升级，大幅降低了柴油机污染物的排放限值。同时，严苛的限值也驱动了主机生产制造企业不断采用新技术及新办法去满足法规要求。其中，基于虚拟标定对产品开发周期的压缩和降成本优势，该技术目前在发动机开发过程中已经逐渐得到应用。虚拟标定系统由不同的模块模型集成及迭代计算输出结果，而集成系统中的NOx原排排放模型则尤为重要，该模型不仅是原机集成模型的输出，同时也作为后处理系统的输入值。在本次研究中，采用BP神经网络模型搭建了NOx原机排放数值模型，同时采用油门变化梯度，实现发动机急加速工况判断，实现了对瞬态加速过程中NOx排放修正。基于NOx排放对缸内过量空气系数的强相关性，分别在台架采集了EGR正常工作以及EGR完全关闭的万有数据作为训练集，并通过NOx生成机理及算法实现相关性分析，对其中的强相关参数进行提取。在优化完成的模型上，利用WHSC和WHTC数据作为验证集进行最终结果验证，结果显示，WHSC循环NOx决定系数R^2=0.98, WHTC循环NOx决定系数R^2=0.93。

船用柴油机的燃烧质量直接影响整机的经济性和动力性，先进的燃烧故障诊断方法对船舶运行的稳定性尤为重要。基于标定的二冲程船用发动机仿真模型模拟计算常见发动机故障，包括：喷油定时故障、喷油器喷孔磨损、喷油器阻塞等故障。通过获得的热工参数构建数据库，并通过主成分分析（PCA）进行数据降维以及布谷鸟搜索算法(CS)优化BP神经网络初始权值和阈值提高故障预测准确度。研究结果表明：通过PCA-CS优化的BP神经网络能够很好地对柴油机的故障模式做出诊断，提高柴油机故障诊断准确率。

缸内流动是柴油机油气混合及燃烧过程的关键影响因素。涡流是柴油机中主要流动形式，但引入缸内涡流通常会造成进气量的损失，而涡流对高强化柴油机的作用仍然缺乏认识。本文利用数值模拟方法，研究了不同涡流下高强化发动机的燃烧过程。结果表面光，增大涡流发动机的指示功先增加后降低作用，SR=1时燃烧持续期最短且指示功最大。由于涡流的输运作用，提高涡流能够降低缸内的高当量比区域，但过高的涡流可能会加剧喷雾之间的相互作用，从而在气缸中心区形成较浓混合气。通过化学反应路径分析可知，适中的涡流比能够增加局部反应区的可用自由基池，从而提高反应速率；而过高的涡流会造成燃油过度混合，降低局部氧气浓度，抑制小分子碳氢的氧化，进而降低燃烧速率。并且，单独依靠提升喷射压力不足以满足高强化柴油机燃烧的需要，会导致严重的后燃现象，合适的缸内涡流在高强化柴油机中仍然是必不可少的。

该文研究重点是喷管道结构对喷雾特性和喷雾形态的影响。为了直（ST）和缩放（CD）喷管喷射喷雾特性与自由喷雾特性进行比较，通过高速摄像技术以及纹影可视化系统对定容弹内0.22 mm单孔喷油器喷雾特性进行图像采集和分析。实验结果表明，与CD喷管喷雾和自由喷雾相比，ST喷管喷雾具有明显的贯穿距优势，表明ST喷管可以被视为具有更强喷雾加速效果的喷雾加速器。相比之下，CD喷管喷雾呈现出更分散和更分散的喷雾形态以及更大规模的流动涡流。对于CD管道喷雾，与ST管道喷雾和自由喷雾相比，喷雾壳体上形成了更强的周围气体夹带，并具有更宽和更强的径向速度分布，从而导致更宽的喷雾锥角。喷管喷射喷雾现象有利于实现更有效的燃料-空气混合过程。

利用低温等离子体（Non-thermal plasma，NTP）喷射系统进行不同温控条件下柴油机颗粒捕集器（diesel particulate filter, DPF）的再生试验。通过HRTEM、拉曼光谱和TGA分析DPF再生界面处颗粒物（particulate matter, PM）的表观形貌、微观结构及氧化活性的演变规律。研究结果表明，随着PM氧化程度的加深，颗粒物的团聚程度降低，初级颗粒物的微晶长度减小，微晶曲率大于1.3的占比增加，微晶间距的占比向小间距偏移。变温条件下的峰强比ID1/IG和R3均低于恒温条件，适宜的温控条件有利于加快PM的氧化速率。NTP作用后，EC的起燃温度Ts、终燃温度Te及最大失重速率温度Tmax向低温偏移；PM的氧化程度越深，该现象越为显著，EC的氧化活性越高。

本文基于汽油机研究了具有不同几何特征的被动预室的燃烧特性。结果显示，不同的几何特征以不同的方式影响燃烧特性。在稀燃条件下，通过将稀燃极限的λ值从1.3扩大到1.5，最佳预燃室将发动机效率提高到36.9%。冷起动性能试验表明，在前几个循环中，预燃室的性能较差。然而，当预燃室壁被加热后，它在燃烧效率和稳定性方面都比普通火花塞表现得更好。预燃室对排放的影响表明，在大多数工作条件下，被动预室倾向于增加CO和HC排放，而它对NOX排放的影响与发动机负荷高度相关。考虑到其各方面的性能，适当设计的被动预燃室在量产发动机中具有一定的应用潜力。

选取一辆最大设计总质量24500kg的自卸车，采用发动机在环的方法，构建了整车模型、带坡度的道路模型和驾驶员模型，研究了有无坡度条件下空载和满载的污染物和二氧化碳（CO2）的排放特性，结果表明：带坡度运行会造成功率增加和总排放物的增加，但气态污染物排放增加幅度不如功率增加幅度，因此导致带坡度运行的气态污染物比排放要低，颗粒物比排放要高于不带坡度的场景。坡度变化影响排温，从而对氮氧化物（NOx）的排放产生影响。在空载条件下，长坡工况更容易造成NOx排放增加。坡度变化影响车辆比功率（VSP）分布，与无坡度的场景相比，带坡度的VSP分布更加分散，污染物的排放集中度也较低。

重型柴油车在低负荷工况下运行时间和NOx排放占比均很高，该文概述并对比了欧盟、美国及中国重型柴油车超低NOx排放法规。介绍了重型柴油车低负荷工况下实现超低NOx排放的技术路线，概述了柴油机进排系统优化、热管理策略和先进后处理技术。结果表明，两级增压匹配高低压EGR可实现低NOx排放工况的拓展，但系统结构复杂；紧耦式SCR（ccSCR）技术路线较为成熟，耐久性较好、成本较低。

并联式混合动力汽车的动力输出来源于电机和发动机的配合，因此良好的发动机转矩预测及闭环控制方法对并联式混合动力汽车行驶的可靠性和平顺性至关重要。现有发动机的转矩预测及控制方法大部分基于标定MAP插值预测的开环控制。本研究利用实际发动机的标定数据搭建了GT-Suite及Matlab/Simulink联合仿真模型，建立了基于进气和发动机状态参数的预测转矩反馈协同控制模块，对比了ANN法和MAP法在发动机稳态及瞬态转矩变化、升降挡等工况预测的结果误差。结果表明：稳态工况下MAP法较为可靠，实际瞬态转矩跃变及阶跃工况下，ANN法较MAP法误差低5.62%和1.32%，升降挡工况下低1.93%和0.84%。

为了改进阿特金森循环发动机（ACE）的综合性能，结合发动机台架试验以及数据驱动对ACE的热力学、燃烧和排放性能进行了分析。首先进行了发动机台架试验，测试了不同工况下的发动机比油耗（BSFC）、氮氧化物（NOx）等参数。其次基于机器学习和深度学习建立了ACE的数据驱动模型，对比分析了K近邻（KNN）、随机森林（RF）和人工神经网络（ANN）三种不同算法在预测ACE性能上的差异。结果表明，单学习器模型KNN的性能与集成模型RF和ANN之间存在较大差距，RF和ANN在测试集上的平均MSE相对KNN分别降低了92.24%和88.01%；RF和ANN在预测不同参数时性能各有强弱，RF在测试集上预测BSFC和燃烧开始点（SOC）的MSE相对ANN分别降低了59.99%和3.28%，而预测NOx的MSE增加了70.24%。ACE的数据驱动模型预测结果与试验数据有较高吻合度，为ACE的进一步优化奠定了基础。