近些年来,我国不断加大各行各业“节能减排”的政策力度。而在交通运输行业,机动车数量伴随着我国经济的持续增长,也逐年急剧增加,而与此同时,机动车对能源的消耗和环境的污染也越来越严重。因此提高汽车发动机的性能和降低发动机的排放是一个重要课题。本文以CF4g18型电控汽油机为试验对象,进行研究得到了以下的结论:（1）、通过搭建CF4g18汽油机台架试验,采集了该汽油机的性能和排放试验数据。并利用灰色关联度对排放相关数据进行分析,找到了各污染物排放与各影响因素联系的密切程度,并以此为基础为人工神经网络建模提供依据。（2）、利用BP神经网络进行了汽油机各性能参数的模型辨识。其中在验证集上,转矩、功率、燃油消耗率、燃油消耗量、过量空气系数和排气温度的最大误差分别为:9.58%、9.36%、4.42%、5.76%、3.74%和6.97%。证明了BP网络能够满足汽油机性能模型辨识的要求。（3）、利用Elman神经网络进行了汽油机排放污染物的模型辨识。其中在验证集上,CO、CO₂、HC、NO的最大误差分别为:8.7%、4.8%、10.9%和9.53%。证明了Elman网络能够满足多变量输入的汽油机排放模型辨识的要求。（4）、由于现代汽油机都有配备三元催化转化器的趋势,因此根据三元催化转化器的工作特点,对该汽油机各工况下的过量空气系数入进行了调整。并利用建立的汽油机性能和排放神经网络模型,对汽油机性能和排放进行了预测,并得到调整后的结果。