HCCI燃烧是个复杂的化学反应动力学过程,其燃料自燃着火的条件对热力学状态、化学状态等众多因素非常敏感,没有直接的控制参数,采用开环控制很难满足实用化要求,因此实现燃烧闭环控制显得至关重要。燃烧相位是描述发动机燃料燃烧过程的关键参数,通常人们采用燃烧相位作为控制器的反馈量,如何实时获取准确的燃烧相位信息是实现燃烧闭环控制的关键问题。研究表明离子电流蕴含着丰富的HCCI发动机燃烧信息,通过对其进行处理和分析,可以得到燃烧相位信息。本文首先定性分析了离子电流信号与发动机失火和爆震的关系,研究结果表明通过对离子电流信号的强弱分析可以判断发动机的失火情况,通过对离子电流信号的频谱分析可以判断发动机爆震的发生;对采集到的离子电流信号进行特征信息提取,并定性地分析了发动机的燃烧相位与离子电流的特征信息的相关性。通过分析和研究,本文建立了基于Elman动态递归神经网络的燃烧相位观测器模型,根据离子电流的特征信息、发动机的运行参数和控制参数辨识HCCI发动机的燃烧相位。试验结果表明:所建立的燃烧相位观测器模型具有很高的辨识精度,能够为HCCI发动机的闭环控制系统提供可靠、准确的反馈量。最后,本文系统比较了Elman动态递归神经网络观测器模型、BP网络和RBF神经网络观测器模型的各项性能:训练时间、计算时间、训练精度、辨识精度以及容错能力和抗干扰性。研究表明Elman动态递归神经网络观测器模型在辨识精度和抗干扰性方面体现了突出的优势。