1.复杂工况下HCCI发动机燃烧正时控制系统，其特征在于：包括ELMAN神经网络HCCI发动机黑箱模型和BP神经网络控制器；

所述ELMAN神经网络黑箱模型对HCCI发动机燃烧正时进行估计；

所述BP神经网络控制器根据发动机转速和期望的燃烧正时角度调整进气门关闭正时，实现复杂工况下HCCI燃烧正时的控制；

ELMAN神经网络黑箱模型包含输入层、隐含层、承接层、输出层共四层，以进气门关闭正时θIVC、发动机转速N、燃料当量比φ作为输入层，发动机燃烧正时估计值 为输出；

其中，输入层包含输入向量的3个神经节点，承接层包含由自连接反馈因子a构建的2个神经元节点，隐含层包含隐含层神经元激励函数为Sigmoid函数f(·)的4个神经元节点，输出层包含由神经元的激励函数g(·)构建输出向量y的1个神经元节点；

输入层神经元到隐含层神经元之间的连接权值wI2,隐含层神经元到承接层神经元之间的连接权值wI1，输出层神经元到隐含层神经元之间的连接权值wI3，网络训练学习算法为Levenberg-Marquardt算法。

2.根据权利要求1所述的复杂工况下HCCI发动机燃烧正时控制系统，其特征在于：根据公式x(t)＝f(wI1xc(t)+wI2u(t-1))计算隐含层神经元节点的第t步输入信号x(t)；根据公式xc(t)＝axc(t-1)+x(t-1)计算承接层神经元节点的第t步输入信号xc(t)；根据公式y(t)＝g(wI3x(t))计算输出层神经元节点的第t步输入信号y(t)。

3.根据权利要求1所述的复杂工况下HCCI发动机燃烧正时控制系统，其特征在于：所述BP神经网络控制器以发动机转速N和期望的燃烧正时角度 为输入变量，进气门关闭正时θIVC为控制输出，建立三层BP神经网络，通过燃烧正时估计值 与期望的燃烧正时角度之间的误差ek来调整BP神经网络中的链接权值，让神经网络进行学习，直至误差ek小于设定误差阈值。

4.根据权利要求3所述的复杂工况下HCCI发动机燃烧正时控制系统，其特征在于：BP神经网络包含输入层神经元节点2个，隐含层神经元节点3个，输出层神经元节点1个，隐含层的激励函数为 隐含层的神经元阀值为νj，输入层到隐含层的连接权值为wij；输出层的激励函数为ψ(·)，神经元阀值为ν，隐含层到输出层的连接权值为wj；

根据公式 计算隐含层第j个神经元节点的输出信号Oj；根据公

式 计算输出层神经元节点的输出信号y，通过输出向量

实现对HCCI发动机的点火正时调控。