1.基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法，其特征在于：建立HCCI发动机离散非线性燃烧正时模型，并得到N组随θIVC变化的TSOC、PSOC、θCA50的数据；所述TSOC、PSOC、θCA50和θIVC的含义分别为，HCCI发动机起燃时刻缸内气体温度TSOC、起燃时刻缸内气体压力PSOC和燃烧正时曲轴角θCA50，进气门关闭正时曲轴角θIVC；

TSOC、PSOC和θCA50作为HCCI发动机线性模型的状态变量，θIVC作为HCCI发动机线性模型的输出，则线性化后的状态方程表示为根据已获得的θIVC、TSOC、PSOC、θCA50数据，利用多元线性回归的方法对参数aij，bi，i＝1,2,

3，j＝1,2,3进行估计，最终得到离散的状态方程

xk+1＝Axk+Buk

其中

x＝[TSOC PSOC θCA50]T

u＝[θIVC]

其中A为系统矩阵，B为输入矩阵；

将进气歧管温度Tman、进气歧管压力Pman、燃油当量比φ作为干扰因素加入所述HCCI发动机线性模型得到xk+1＝Axk+Buk+Fw

其中

w＝[Tman Pman φ]T

F为干扰项矩阵，同理F矩阵中的fij，i＝1,2,3，j＝1,2,3通过多元线性回归方法进行估计得到；

利用BP神经网络建立一个黑箱模型对所述加入干扰因素的HCCI发动机线性模型误差进行修正，从而使预测的燃烧正时与实际的燃烧正时相近；该黑箱模型是以加入干扰因素的HCCI发动机线性模型预测得到的燃烧正时 进气歧管温度Tman、进气歧管压力Pman和燃油当量比φ为输入，修正后的燃烧正时θCA50为输出的三层BP神经网络模型。

2.根据权利要求1所述基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法，其特征在于：所述HCCI发动机离散非线性燃烧正时模型选取起燃时刻缸内气体温度TSOC、起燃时刻缸内气体压力PSOC和燃烧正时曲轴角θCA50作为模型状态，进气门关闭正时曲轴角θIVC作为模型控制输入，θCA50作为模型输出；因此，HCCI发动机离散非线性燃烧正时模型为：xk+1＝F(xk,uk+1)

yk+1＝Cxk+1

其中，x＝[TSOC PSOC θCA50]T；u＝θIVC；输出y＝θCA50；输出矩阵C＝[0 0 1]。

3.根据权利要求1所述基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法，其特征在于：所述BP神经网络的隐含层激活函数为Tan-Sigmoid函数，输出层激活函数为纯线性函数，网络训练算法为Levenberg-Marquardt算法。

4.根据权利要求1或2或3所述基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法，其特征在于：还包括用二分查找法来查找得到HCCI发动机线性模型对应的理想燃烧正时信号 给定实际HCCI发动机的理想燃烧正时信号 以及可以得到对应HCCI发动机线性模型的燃烧正时的一个大致范围 然后利用该范围的上下界求取平均值，即 作为黑箱模型对应 的输入，从而得到对应实际HCCI发动机线性模型的燃烧正时 如果， 大于 则令 否则，令 然

后继续查找，直到达到迭代的上限或者已经达到目标燃烧正时 此时的 便是HCCI发动机线性模型对应的理想燃烧正时 。

5.根据权利要求1或2或3所述基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法，其特征在于：HCCI发动机线性模型的输出经过卡尔曼滤波器滤波后得到输出估计值 和状态估计值 基于该估计值，以期望的 和 作为输入，θIVC作为输出设计基于指数趋近率的离散滑模控制器，并对HCCI发动机线性模型进行控制。

6.根据权利要求5所述基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法，其特征在于：所述卡尔曼滤波器为式中，为最优状态估计量；y为实际输出值；为根据上一循环最优的估计状态量预测得到的当前循环状态量；L为卡尔曼增益；为对应预测状态 的协方差；R为测量噪声 的协方差；I为单位矩阵；t为迭代周期数，A为系统矩阵，B为输入矩阵，F为干扰项矩阵，C为输出矩阵，w为包含燃油当量比φ、歧管温度Tman和压力Pman在内的噪声矩阵。

7.根据权利要求5所述基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法，其特征在于：所述离散滑模控制器得到的控制律ut为式中， 为理想燃烧正时；s为离散滑模面； 为卡尔曼滤波器估计得到的HCCI发动线性模型预测的燃烧正时；c1为大于零的常数；

其中，离散滑模面选取为

。