汽车工业的快速发展为国民经济带来巨大效益的同时，也使我国能源和环境面临着严峻的挑战。天然气以其储量丰富、排气污染少、经济性好等特点成为首选的汽车代用燃料。我国目前的CNG发动机绝大多数是在传统的汽油机、柴油机基础上，通过改变少量的零件设计，添加相应的部件改装而成。CNG/汽油两用燃料发动机为了兼顾使用汽油时的性能一般对原机结构不做改动，那么燃烧天然气时必然会因为二者在物化特性上的不同使天燃气的性能优势得不到发挥，一般由汽油机改装的两用燃料发动机都存在不同程度的动力性下降问题。　　本文以由4RB2汽油发动机改装的两用燃料发动机作为研究对象，针对燃烧CNG时动力性下降的现象，提出了增大点火提前角和神经网络控制相结合的方案来提高其性能，并基于试验平台，以输出转矩最大为优化目标确定了稳态工况下CNG的点火提前MAP。　　文中采用了由丹麦大学Elbert Hendricks教授和他的同事们提出来的发动机模型，此模型具有较高的精度。另外，结合4RB2汽油发动机的实际参数，对模型中的一些参数进行拟合，然后在不同情况输入下对模型进行基本校验，证明了模型的有效性。根据燃烧CNG时的最佳点火MAP，本文提出了基于神经网络的点火控制系统。控制思路是，当向训练后的网络输入汽油机的转速和负荷时，网络根据输入利用确定的节点连接权值和阈值，计算出所需的点火提前角，从而达到控制系统的目的。再利用已建立的发动机模型，验证并分析其动力输出。　　爆震对点火提前角的修正也对汽油机的性能起着决定性的影响。目前控制爆震的方法就是对爆震传感器信号进行简单的反馈控制，此方法简单易行，但一般情况下，发动机发出最大扭矩的点火时刻在开始产生爆震的点火时刻(爆震界限)附近，也就是说，要输出最大扭矩，发动机最好工作在轻微爆震区。在台架实验数据的基础上，本文提出了采用BP神经网络实现爆震预测。在本网络设计中，将汽油机转速、负荷和点火提前角作为网络的输入，所对应的爆震率作为网络的期望输出。然后根据爆震率等级采取不同的点火修正，这样就可以准确的逼近爆震极限。