随着电子控制技术的发展,人们不再满足于采用传统查表插值法的预定最优控制法来实现系统的最优控制,取而代之,自适应控制、模糊控制、神经网络控制以及模糊神经网络控制等控制领域的最新成果正被逐渐地应用到各种控制系统的设计中。人工神经网络由于模仿了人类大脑的结构,具有形象思维能力以及对模糊或随机信号的识别和处理能力,适于解决非线性问题而日益引起人们的极大兴趣,并成为人工智能理论研究中一个新的受人青睐的领域。点火能量是衡量汽油发动机点火系统性能的一项重要指标,它直接影响着发动机的动力性和经济性。点火能量过低,发动机的功率、扭矩下降,油耗上升,排放变坏,甚至造成发动机的停机;点火能量过高,则会造成能量浪费,同时降低点火系统的寿命。目前点火系统的设计往往只是考虑如何尽可能的提高点火能量,使其能在各种工况下都能满足点火的需要,这样克服了传统点火系统不能可靠点火的缺点,使点火能量保持在高能点火状态。本文以发动机的转速和负载信号作为控制系统输入信号,通过神经网络控制发动机在不同工况下的点火次数,使点火能量满足点火的需要,并使发动机点火系统工作性能接近最佳。根据上述控制方法,进行了控制系统的硬件、软件及抗干扰设计,着重讨论了神经网络算法的选取,网络结构的确定,确定了神经网络的隐层数、各隐层的神经元,合适的神经元激活函数,合适训练次数。实验表明,神经网络运用在点火能量控制中是可行的,能满足模块的设计要求。