在石油资源严重短缺和环境污染日益加剧的21世纪,寻找“清洁替代燃料”成为各国政府和各界人士的共同目标。氢气因其清洁,高效和可再生的优势而被认为是最有前景的替代燃料,更重要的是,我们使用的汽车发动机可以通过稍微的修改来燃烧氢气。然而,由于氢气密度低,燃烧速度快和点火极限宽,掺氢发动机更容易出现异常燃烧,例如早燃,回火和爆震等现象,从而影响发动机的经济性和动力性。因此,掺氢发动机的性能优化研究和异常燃烧分析是一个热门话题。本文充分利用现有的实验条件对掺氢发动机进行了较全面的分析与研究。本文把新兴的信息融合方法应用到掺氢发动机的开发研究中,采用遗传算法、神经网络融合算法、人工蜂群算法和FOA-GRNN融合算法对掺氢发动机进行优化控制和故障诊断的研究。首先,以每种算法的理论为基础,在MATLAB平台上构建融合优化模型,然后对实验数据进行分析,并对优化结果提出合理的改进建议。对于掺氢发动机经济性能和动力性能的提升问题,本文选用遗传—神经网络融合算法进行优化,使用遗传算法来改善神经网络易陷入局部极值的不足。通过对过量空气系数和点火提前角这两个运转参数的优化控制,能有效提高氢气发动机的经济性能和动力性能;针对掺氢发动机的排气污染问题,本文首先分析了废气中的有害物质,主要包含HC、CO、NO_x,然后采用人工蜂群算法对各种有害成分的排放趋势进行了预测分析,找到了合理的措施与方法来降低有害物的排放量;针对掺氢发动机容易出现不正常燃烧的情况,如早燃和回火,本文研究了掺氢发动机不正常燃烧时气缸压力和进气管压力的变化,FOA-GRNN融合算法用于分析和预测不正常燃烧的情况,实验证明该方法可以对含氢发动机的不正常燃烧做出相对可靠的诊断。