怠速工况作为发动机基本工况，其性能直接影响着发动机的动力性、燃油经济性、排放性等性能。怠速工况下，发动机冷却液温度变化、汽车空调的开关、动力转向的接入、发动机变速器空挡与其他档位的转变、前照大灯等电器负荷的变化都将引起发动机怠速转速的波动以及发动机振动和噪声的变化。 由于怠速过程高度的非线性、时变性和不确定性，近年来发动机怠速控制问题已成为发动机控制领域的难点和焦点。国内外学者尽管在怠速控制问题上作了大量的研究，并取得了一定成果，但是怠速控制效果不佳。基于这种研究背景，本文选择了从控制策略角度，进行了怠速控制策略的仿真研究。 在本田F23A汽车综合教学实验平台上，基于Labview虚拟仪器平台，实验中采集了怠速工况下，发动机曲轴位置传感器、进气歧管绝对压力传感器、进气温度传感器、发动机冷却液温度传感器以及节气门位置传感器信号。所采集的怠速工况信号被用来作为控制策略仿真的输入信号。 怠速过程难以用精确的数学模型来描述，从而严重影响了传统控制方法以及现代控制理论控制怠速过程的效果。为此，进行了怠速模糊控制策略的研究，设计了以实际怠速转速与目标怠速偏差以及该偏差的变化率作为输入量、怠速控制阀开度作为输出控制量的单变量二维模糊控制器，在Matlab/Simulink下的仿真结果显示，怠速模糊控制方法是有效的。 此外，提出了用RBF神经网络来控制怠速过程的方法，用怠速信号采集实验得到的发动机怠速转速等信号作为神经网络学习训练的输入样本，给出了用输入怠速转速及其偏差值确定目标怠速曲线的算法；用提出的梯度算法，进行了怠速RBF神经网络误差修正学习训练，仿真结果表明：RBF神经网络有效地控制了发动机怠速过程，提高了怠速过程的稳定性，改善了怠速过渡过程的平滑性，达到了预期的效果。