生存环境的日益恶化和化石燃料储量的不断锐减使人们深刻认识到开发环保、高效、可再生新能源的重要性和急迫性。氢以其清洁、可再生性以及燃烧效率高等特点为人类解决当今面临的难题提供了一个很有前景的方向。与当今已广泛应用的汽油机、柴油机相比，以氢为燃料的内燃机具有燃烧效率高，有害废气排放物少以及能在稀薄混合气体下运转等优点。但是，氢燃料内燃机在运转过程中，表现出来的异常燃烧、动力性不足以及提高动力性与抑制异常燃烧之间的矛盾成为制约氢燃料内燃机研究和应用的最大难题。　　 为了解决这一难题，本文在前人研究的基础上对氢燃料内燃机的性能优化进行更深层次的尝试。点火提前角、喷氢正时与内燃机异常燃烧的产生、功率提升、氮氧化合物的排放有着密切的关系，而点火提前角和喷氢正时又受内燃机的结构参数和运转参数的影响。因此，采用有效的方法构建出结构参数和运转参数与点火提前角和喷氢正时的映射关系，进而达到优化内燃机性能的目的是本研究的主体思路。　　 具体的研究方法是:首先，将人工神经网络应用于内燃机性能的优化控制，仿真实验结果证实，构建的人工神经网络不仅成功地拟合出点火提前角与转速和节气门开度的函数关系，而且具有良好的预测功能;其次，针对训练过程中人工神经网络收敛速度慢、寻优值不唯一、容易陷入局部极小值等缺点，分别将蚁群算法和克隆选择算法等智能算法与人工神经网络融合，构成蚁群神经网络和克隆选择神经网络。　　 蚁群神经网络兼具了蚁群算法的全局快速寻优能力与神经网络的广泛映射能力。克隆选择神经网络将克隆选择算法的快速收敛和全局搜索功能与人工神经网络的泛化能力有效的结合。仿真实验证实，克隆选择神经网络和蚁群神经网络在收敛速度和收敛精度上都要优于人工神经网络。