伴随着时代的进步和工业的发展,能源短缺和环境污染问题日益严峻,我国的汽车行业面临着严格的国六排放标准,尤其是柴油机的氮氧化物排放问题亟待解决。为了解决这一问题,工程中最常用的方案是加装尿素选择催化还原系统（SCR）,进而通过对SCR系统的精确控制实现机外净化,达到大幅降低氮氧化物排放量的目的。在满足国六排放标准的前提下,需要对汽车经济性、排放性和动力性进行统一规划。传统的控制方法难以对日益复杂的柴油机系统进行精确的控制,另外,柴油机的复杂性不仅导致其机理建模十分困难,也对其控制器的设计提出了挑战。针对以上问题,本文以一款带有后处理系统的柴油发动机为被控对象,提出了柴油发动机神经网络建模及滚动时域控制方法。具体方案如下:（1）基于发动机动力学仿真软件GT-Power,建立一款2L排量的柴油发动机仿真模型,该模型包括柴油机模块和SCR模块两个部分。在此基础上,通过分析EGR阀开度、喷油提前角、VGT阀开度、喷油量对发动机输出性能的影响,以及排气温度和氨氮比对后处理系统的氮氧化物转化率和氨逃逸量的影响,验证了所建立的模型的有效性。（2）针对柴油发动机燃烧过程及后处理系统化学反应过程机理建模复杂的问题,建立了面向控制的柴油发动机神经网络预测模型。首先,以喷油量、喷油时刻、EGR及VGT阀开度作为柴油机模块输入信号,NOx原机排放量、曲轴输出扭矩和柴油机排气温度作为柴油机模块输出信号,利用GT-Power仿真模型采集了相关实验数据;然后,通过对数据的归一化处理,分别建立了基于BP神经网络的柴油发动机和SCR系统预测模型;最后,通过仿真验证了预测模型的有效性。（3）针对柴油发动机燃烧与排放控制多目标、多约束、多变量耦合问题,利用上述神经网络预测模型,在滚动时域优化控制框架,提出了柴油发动机燃烧与排放分层协调控制方法,其中上层控制器以期望扭矩跟踪为优化目标,下层控制器以NOx转化率和氨气逃逸量为优化目标,进而通过对目标优化问题的求解,获得满足要求的控制输入。仿真结果表明,本文提出的分层控制方法可以在满足驾驶员扭矩需求的同时,有效将氮氧化物排放量降低到国六标准以下,验证了该控制器的有效性。