陈昊天，王玥，曹晶，张继忠，邓康耀，崔毅

(1.上海交通大学动力机械与工程教育部重点实验室，上海 200240；2.上海核工程研究设计院有限公司，上海 200233；3.中国北方发动机研究所(天津)，天津 300400)

随着计算机水平的提升，硬件在环技术(HIL)在发动机控制系统的开发中得到广泛地应用。在HIL系统中，发动机仿真模型是一个重要的组成部分。为了能够有效地实现HIL仿真，发动机仿真模型不仅需要满足一定的精度，还需要满足面向控制的要求，也就是要实现快速计算，满足实时性约束[1-2]。

当前，应用于HIL系统的性能预测模型主要分为以下几种：平均参数模型、曲轴转角精度模型以及基于神经网络的仿真模型[3]。Hendricks首次提出了平均值模型这一概念，不考虑参数在循环内的变化，只考虑循环间的变化，避免了十分复杂的工作过程[4]。虽然平均参数模型计算效率高，但是模型的精度不高，并且需要大量的数据进行标定[5]。曲轴转角精度模型利用微分方程计算参数随曲轴转角的变化，因此精度较高[6]。虽然曲轴转角模型预测能力较强，但是不能完全满足计算速度的要求，尤其是对于高转速的机型[7]。平均参数模型和曲轴转角精度模型无论是基于Simulink建立或者是利用某种编程语言编写，都需要较为复杂的前期开发工作。人工神经网络在处理非线性问题上具有优势，近年来在柴油机动力性、排放性以及性能模型建立等研究中得到广泛的应用[8-10]。神经网络模型是针对具体的发动机对象建立的，其通用性较差，但是在样本满足要求的情况下，神经网络模型的建立和训练较为简单，使用方便。……