由于发动机各机构间耦合程度高，非线性强，难以机理建模，同时基于机理模型的控制算法一般都很复杂，计算难度大，难以满足发动机实时性的需要。而用map表代替机理建模能够有效降低建模的复杂性， map表作为控制律能提供快速的查表计算能力并且占用ECU(Electronic Control Unit)存储单元小。因此，在发动机建模及控制中map表被经常使用。发动机标定的过程就是要确定map表中的数值，一般汽车发动机上有很多map表需要标定，例如：开环/闭环喷油标定、瞬态供油量标定、空气流量标定等等。并且，随着汽车新技术的逐渐引入，使得发动机系统耦合越来越严重，非线性也越来越强，导致标定map的维数也需要相应的增加。而传统的全因子标定方法是将各控制参数依次排列、逐个扫描，这种方法需要在发动机台架上测试大量试验点，成本高、耗时长。有时候，为了得到更好的发动机性能，需要在标定过程中加入各种优化算法，限制性约束等，使得标定出可靠有效的map越来越困难，因此，研究具有理论指导的map生成技术是非常重要的。在这种情况下，基于模型标定的方法成为汽车电控标定领域的发展趋势。基于模型标定是一种将数学优化理论和发动机标定技术相结合的优化标定方法。这种方法首先在明确标定对象和优化参数基础上，合理安排实验设计，以较少的试验次数在发动机台架上采集数据；然后，用数理统计的方法创建性能指标与优化参数的数学模型；最后，运用合适的优化算法对参数进行优化，获得控制参数在发动机所需性能时的最优解。本文以四缸火花式点火汽油机为研究对象，采用基于模型标定的方法，对汽油发动机气路系统中相关map的优化标定进行了研究。首先，为进一步完善基于扭矩需求为中心的气路控制系统，采用Matlab里的基于统计模型标定工具标定出发动机气路系统相关map；然而，由于购买正版Matlab及其工具箱费用昂贵，因此本文按照基于模型标定的思想设计了基于神经网络模型的优化标定方案；最后，为验证标定map的有效性，借助于高精度的发动机动力学模型enDYNA进行了离线仿真验证。本文主要进行了以下工作：（1）合适的实验设计方法对于提高标定的效率非常有效，本文对实验设计方法进行了相关探索。基于模型标定方法能够提高标定效率，降低标定成本的首要原因是所需要的实验工况点少。虽然实验工况点越多，能够覆盖整个工况越全面，越能体现标定对象的特性，但是这样势必会增加台架标定的成本，耽误生产周期，降低标定效率。本文结合发动机系统特性，对多种实验设计方法进行探讨，选择了拉丁超立方抽样的方法进行实验设计。由于实验点数量的多少直接影响到统计模型的精度，因此本文对实验点数量对模型精度的影响作了相关研究。（2）针对实验室已有的基于扭矩需求为中心的发动机气路系统进行了相应完善，增加了根据当前油门踏板位置体现驾驶员扭矩需求模块，并且为了提高发动机的动力输出，在不影响排放和爆震的条件下，重新标定了空燃比map和点火提前角map。为了验证整个气路系统模型的精度和有效性，本文结合高精度的发动机动力学模型enDYNA进行了离线仿真验证。仿真结果验证了map标定和整个气路控制系统的有效性。（3）通过对Matlab里的基于模型标定工具箱的学习和研究，对基于模型标定方法的思想和步骤进行了相关总结和阐述。进而设计出一种基于神经网络模型的优化标定方法，该方法利用神经网络来训练采集到的数据使之达到模型精度的要求，接着利用遗传优化算法对空燃比和点火提前角参数进行寻优求解，进而标定成map，最后为验证该方法标定map的有效性，本文将所标定的map结合enDYNA模型进行了离线仿真验证，验证了该标定方法的有效性。鉴于发动机控制系统的不断改进，基于模型标定技术仍然在不断地发展完善，本论文中仍有部分内容需要进一步探讨，比如本文采集发动机响应数据始终是在虚拟发动机台架上，这对实验数据的获取虽然提供了很大的方便，但是在真实发动机台架上，随时可能由于外在的干扰，工况的不稳等因素，使采集的数据不准确，进而影响标定map的精度。因此，本文设计的基于模型的标定算法还待进一步完善。