汽车行业发展所面临的能源消耗和环境污染问题日益严重，随着国六排放标准和中国工况的发布，对汽车行业的节能减排技术开发和应用等工作提出了更高的要求。为使汽车更高效地达到更加严格的污染物排放限值要求，排气后处理技术被广泛运用。因此，在法规要求的测试循环工况下整车性能影响研究和面向最新国六标准的后处理技术路线整车匹配研究对新阶段的节能减排工作具有重要意义。
　　论文以某搭载增压直喷汽油机的轻型乘用车为研究对象，首先利用GT-SUITE仿真软件，建立了发动机系统和整车性能仿真模型，经过试验标定，平均误差不超过5%，满足工程精度要求。
　　其次，利用BP神经网络建立PM排放预测模型，经过神经网络构建和样本数据学习训练，得到的预测结果误差基本低于5%，模型准确有效，获得更完整、精确度较高的PM排放预测MAP。
　　然后，利用整车性能仿真模型，研究了不同测试循环工况下整车的性能特征。针对轻型车的三种不同测试循环工况，NEDC循环工况较理想，WTLC循环工况更接近道路实际情况，中国工况更接近我国道路实际驾驶情况。
　　最后，利用GT-SUITE软件建立TWC和GPF性能仿真模型，研究两种汽油机后处理装置的结构参数对其性能影响。将模型串联耦合，建立技术路线为TWC+GPF的后处理系统仿真模型，与发动机及整车模型进行匹配研究，结果显示后处理系统使发动机及整车动力性下降，燃油经济性变差，但污染物排放降低明显，净化过滤效果显著，且排放结果可以达到国六a标准。选取5辆针对国六标准的不同后处理技术路线车辆进行整车试验研究，各排气后处理技术路线开发的车型均有能力满足国六b标准要求，多级TWC可以有效催化净化气体污染物，GPF对颗粒物排放控制效果明显。
　　通过以上研究表明，匹配汽油机后处理系统后会影响车辆动力性和经济性，最大扭矩减小，最大爬坡度和最高车速降低，0-100km/h加速时间增加，同时燃油消耗率和综合油耗增加，但可以有效降低尾气排放以达到限值标准。BP神经网络可以有效预测PM排放。不同测试循环工况下的整车性能表现和不同技术路线车型的整车试验，获得相应的油耗及排放规律，给面向国六标准的车型开发和后处理系统匹配标定提供参考价值。