将先进的控制理论用于煤层气发动机控制系统中，对于改善煤层气发动机的动力性能和排放性能具有非常重要的意义。相关传感器响应特性和控制算法的研究，是煤层气发动机控制系统分析和设计过程中的重要研究内容，是建立系统控制仿真模型和开发、优化设计电控单元的前提。为有效地设计空燃比前馈控制器，研究了热线式空气质量流量(MAF)传感器动态非线性建模方法。根据静、动态标定数据分别建立了热线式MAF传感器的参数模型和线性神经网络非参数模型，并对模型进行验证，结果表明神经网络模型精度明显高于参数模型，且可以将流量突增和流量突减两种工作模式下的特性统一于一通用模型，与参数模型相比神经网络模型更适合用于发动机控制系统仿真模型中。利用煤层气发动机实验数据，基于模块化的设计思想在Matlab／Simlink的环境中初步建立了煤层气发动机的平均值模型。建模过程采用机理分析和实验辨识相结合的方法，在建模对象非线性强烈时，为提高辨识精度，利用了具有强非线性逼近能力和高度自学习能力的神经网络辨识模型参数。通过仿真实验对模型进行检验的结果表明，经参数整定和神经网络校正后的系统模型能对发动机稳态及动态输出的趋势和范围作出准确预测。提高空燃比的控制精度是改善发动机性能的关键，文中借鉴汽油机的空燃比控制策略提出了基于神经网络的煤层气发动机空燃比前馈-反馈控制策略。前馈控制由权值可调的RBF神经网络实现，反馈控制由常规PID控制器实现。仿真结果表明该方法具有很好的控制效果。最后，分别采用基于BP网络整定的PID控制算法、CMAC(Cerebellar Model Articulation Controller)与PID复合控制算法以及神经网络预测控制算法对煤层气发动机的转速控制策略进行了研究，结果表明神经网络预测控制算法比其他两种方法的控制效果更好，为试验台架检测系统的改进和电控节气门的开发提供了理论基础。