可控自燃（CAI）燃烧或SI-CAI混合燃烧具有改善汽油机油耗和排放的巨大潜力而受到广泛重视。但由于其着火和燃烧对于边界条件非常敏感，燃烧相位和放热过程难以精确控制，因而其工程应用面临巨大挑战。为突破这种高稀释燃烧在控制上的瓶颈，本文提出了一种基于燃烧模型的前馈控制、即时扰动观测反馈和累积扰动观测矫正相结合的主动抗扰自趋优控制模型，力图解决燃烧边界条件敏感、耦合机制复杂和准确建模困难等瓶颈问题。　　首先，为了建立用于前馈控制的燃烧预测模型，在一台配备进气道喷射（PFI）和缸内直喷（GDI）双喷射燃油（P-DI）系统和进排气VVT系统的高稀释低温燃烧四缸汽油机上，系统研究了缸内温度和组分的耦合规律，点火提前角对燃烧相位的调控规律，以及直喷时刻对燃烧过程的调控规律。在 CAI燃烧放热模型的基础上，通过引入点火角修正因子，发展了用于CA50和IMEP前馈控制的SI-CAI混合燃烧预测模型。采用动态激励实验和非线性最小二乘法对该模型的主要参数进行了辨识，获得了理想的预测效果。对该模型的CA50子模型和进气量子模型分别引入两个自学习因子，使该模型具备在线自学习能力，在运行过程不断缩小预测误差，以提高控制器的前馈控制能力。　　其次，为精确协调缸内温度和组分，实现燃烧相位和放热过程的有效控制，提出了基于SI-CAI混合燃烧预测模型的逆模型的前馈解耦控制算法；为了补偿前馈模型的建模误差和抑制外界环境条件的随机干扰，提出了基于扩张状态观测器（ESO）的即时观测算法。为了解决 CA50的循环变动对 ESO观测过程的干扰，采用了自适应ESO方法。采用基于带宽参数化的ESO整定方法，实现了IMEP和λ通道控制参数的简化标定。将这种基于前馈解耦算法和扩张状态即时观测相结合的主动抗扰控制器算法，采用Simulink实现并下载于MicroAutoBox原型控制器，在高稀释低温燃烧四缸汽油机台架上进行了动态过程控制试验。结果表明：在转速1200r/min至1600r/min，IMEP在0.225MPa至0.5MPa的工况内，该算法最快可在3个循环内完成IMEP调节，CA50的跟踪平均偏差小于4°CA，λ的跟踪偏差在0.08以内。　　再次，为了弥补燃烧预测模型辨识所用数据的局限性，以及发动机特性会随使用时间的变化，提出了基于递推最小二乘算法的累积观测器模型。通过SI-CAI混合燃烧预测模型自学习因子的在线调整，在运行过程中不断提高模型精度，改善前馈解耦控制效果。提出了基于极值搜索方法的直喷时刻在线优化算法，不仅可免于对直喷时刻的复杂标定，同时可以自动补偿因边界条件的变化而引起的最优直喷时刻漂移。在GT-Simulink仿真平台上，通过缓慢提高燃烧室壁温来模拟因冷却系统结垢造成的边界条件变化，验证了由于模型预测精度自适应提升而带来的控制品质改善效果。结果表明，由于模型精度的改善，IMEP、CA50和λ在动态过程中的跟踪偏差降低了16％以上。发动机台架实验结果表明：累积观测算法可将λ最大跟踪偏差减小27%以上。累积观测算法最快可在300循环内完成直喷时刻的优化，自动补偿点火角和负荷变化的影响。　　综上所述，本文所提出的基于燃烧模型前馈控制、即时扰动观测反馈和累积扰动观测矫正相结合的主动抗扰自趋优控制器，可以有效解决SI-CAI多缸机动态变工况运行过程中CA50和IMEP的跟踪控制和优化问题，为SI-CAI高效低温燃烧过程的应用奠定了重要基础。