随着发动机电控系统所实现的功能范围的扩大和对发动机性能要求的提高，人们不再满足于传统的“查表—插值”的控制方法，开始探索新的控制策略。本文着重研究了人工神经网络技术在汽油机电控喷油点火系统中的应用，通过与实验数据的对比，来验证所设计的网络的正确性。　　通过对人工神经网络技术的分析和比较，针对BP网络算法存在的问题，本文采用了改进的BP算法：学习率可变的动量BP算法，并在反复比较中，选定了神经网络的各项参数，以发动机的转速和进气歧管压力作为神经网络的输入，喷油时间和点火提前角作为网络的输出，定义出合适的网络。　　本文在一汽技术中心试验发动机上进行了实验，分析了汽油机喷油和点火控制的基本原理，设计了试验过程，以燃油经济性为目的，对试验发动机电控系统进行了标定。试验只需做出少量优化的喷油时间和点火提前角数据作为输入的样本，整个喷油时间和点火提前角的脉谱图可利用神经网络的自学习和泛化能力做出，存在于训练数据中的错误也可通过反复的重新定义和训练得以减少。因此，实验中个别的不真实点不会影响网络的精度，这是一种全新的控制方法。　　从神经网络的预测结果和试验值对比可以得出：其误差在一定的范围内，神经网络可以应用于现代发动机的电子控制技术，减少标定工作，简化控制策略，实现对发动机实时、准确的喷油点火控制，有利于提高发动机的性能。