天然气因其具有资源丰富和燃烧清洁等优点而被认为是当今船舶发动机理想的替代燃料。然而,船用柴油天然气微引燃双燃料发动机由于系统复杂、控制参数多,给发动机多目标性能优化控制带来更大挑战。尤其是各控制参数之间相互影响、相互耦合的复杂关系以及系统的时变和不确定性给双燃料发动机性能优化带来很大困难。目前,国内外对多控制参数交互作用导致的双燃料发动机输出性能此消彼长的内在原因尚不清楚,尤其是在多参数匹配以应对复杂工况环境变化研究中存在缺陷。因此,采用试验测试和理论分析相结合的研究方法,揭示控制参数对发动机性能的耦合作用机理,提取关键控制参数,进行合理匹配和优化,实现双燃料发动机综合优化控制是非常必要的。本文从试验研究、理论分析、系统设计与优化等多方面开展研究工作。将空间填充设计和V优化设计方法相结合,合理设计试验工况点,通过双燃料发动机台架试验,掌握了不同燃烧模式下多控制参数对发动机经济性和排放性的影响规律,为DOE实验设计提供了准确的实验边界条件,为性能优化提供了理论指导。利用有限实验数据建立双燃料发动机性能预测模型,用于描述众多控制参数与输出性能之间的复杂关系。探究了响应面、RBF神经网络、SVM以及LSTM神经网络等建模方法的优缺点,对比分析了各预测模型的预测效果。其中基于LSTM建立的性能预测模型实现了标定控制参数和输出性能响应之间的完美映射,预测模型的决定系数R~2＞0.99,平均相对误差MSRE＜0.03,表现出良好预测性能。为了获得双燃料发动机最佳燃料经济性和最低排放之间的折衷,找到复杂控制参数的最佳组合,必须解决多目标优化问题。LSTM神经网络预测模型与多目标优化算法结合,构建了多目标优化架构,分别研究了PSO和NSGA-Ⅱ算法在全工况范围内的优化效果,发现PSO算法优化结果依赖于人为经验设定的目标权重,随机性较大,在众多案例中实现排放和经济性的折衷时,NOx排放较原机降低了20.5%,满足了IMO Tier-Ⅱ法规要求,此时BSFC较原机降低了2.1%;NSGA-Ⅱ算法在全工况范围实验结果显示,在不增加燃油消耗的情况下,NOx排放量比原机降低了77%。通过船用四工况循环测试发现,NOx排放量比Tier-Ⅲ限值要求低26.6%。考虑到决策者在工况变化时的不同需求,在NSGA-Ⅱ算法中引入偏好信息指导种群搜索,实验结果表明,在偏好低排放时,所有的最优解均能够满足IMO Tier-Ⅲ对NOx的限制要求,在全工况范围NOx平均排放量为1.22g/（k W·h）,比原机降低了78.9%,同时BSFC比原机降低4.76%;当偏好低BSFC时,平均BSFC比原机降低8.44%,比偏好低NOx排放时降低了3.68%,然而,此时NOx排放较原机增加了48%,由此可见,获得较低的BSFC是以牺牲环境为代价的,追求更高的经济性会使排放急剧恶化。偏好多目标优化的最优解即为满足决策者偏好的最优控制参数组合,为确保所获得的控制参数被执行,设计了在线优化标定策略及综合优化控制系统,研究了模型参考自适应控制算法在转速、轨压及空燃比控制中的效果,并进行台架测试,结果发现自适应控制策略具有更好的鲁棒性和动态跟踪性能。在转速闭环控制系统测试中,额定负荷下稳态转速波动率u=0.28%,达到一级调速指标;突加负荷时瞬态调速率δd-=1.6%,突卸负荷时瞬态调速率δd+=2.9%,达到一级调速指标;稳定时间t（27）2.7s,满足二级调速指标要求。此外,在柴油机上对在线优化标定功能进行了实验验证,结果表明在线优化标定策略能够及时调整发动机运行状态而不会产生过大的波动,在线优化标定安全可靠,能够快速修改发动机控制参数而不需停机。