基于前馈神经网络的汽油机动力性模型的研究.pdfVIP

基于前馈神经网络的汽油机动力性模型研究 吴晓红蔡惠京 (广东中山学院，中山528402) 吴义虎王艳华 (长沙交通学院，湖南410076) 摘要：本文应用多层前馈神经网络研究了汽油机动力性问题，以实验采集的数据为样本集， 采用改进的BP算法对网络进行学习训练，建立了基于前馈神经网络的汽油机动力性模型。 进一步利用新的舞验数据对模型进行了检验，验证所建立的模型具有较强的进化能力。 关键词：前馈神经网络；BP学习算法；汽油机；动力性 1引言 随着世界上汽车生产规模的不断扩大，汽车给人类生存环境带来的负面影响也越来越严重。为克 服越来越严重的负面影响，各国科技工作者正投入越来越多的精力，研究提高汽车性能的措施，推动汽 车技术的进步_l2。 提高汽车的动力性是一个重要的研究方向。传统的方法是通过实验建模。众所周知，汽车的动力 性直接由车用汽油机的动力性决定，而汽油机的各种性能主要是由其燃烧过程所决定。因此，传统的方 法就集中在汽油机的燃烧模型上，从开始的零维模型、一维模型，到后来的二维模型、三维模型怛-…，为 人们深入认识汽油机燃烧过程作出了重要贡献，同时也为汽油机动力性的提高发挥了一定的作用。但 由于燃烧过程是剧烈的化学反应过程，是一种非线性过程，许多因素还无法认识清楚，因而模型的精度 及其指导意义仍受到很大限制。于是有必要寻找新的方法来研究汽油机的动力性问题。 近年来，人工神经网络的应用引起越来越多的领域的科技工作者的关注，成了国际学术界的一个热 门话题。由于人工神经网络的非线性映射特性，以及它的自组织、自学习和联想记忆功能，使得应用它 处理各种各样复杂的非线性问题成为可能且越来越方便。 本文将采用前馈神经网络，以已有的试验数据为样本集，对网络进行学习训练，建立汽油机动力性 能的人工神经网络模型，揭示出各种参数与汽油机动力性能之间的函数关系来。 2汽油机动力性的主要参数及数学描述 我们采用有效功率Ne(汽油机净输出功率)和扭矩Me来描述汽油机的动力性。熟知在汽油机结 构参数已经确定和～定的技术状况下，影响汽油机动力性的主要参数有：点火正时(提前角)0(。CA)，过 量空气系数n，转速n(r／re．in)，节气门位置p(％，节气门全开为100％)。用函数关系表示为： Ne=fz(o，口，月，P)，Me=f2(o，d，71，P) (1) 实验结果表明：原机初始提前角从7。CA推迟到3。CA时，发动机功率在各种转速和节气门位置下 均有不同程度的下降，而当初始提前角提前到12。CA时，高转速、大负荷时功率增大，但在低转速大负 荷时有爆震现象产生，反而引起功率下降。其次，推迟点火正时，低速大负荷和高速小负荷扭矩下降较 多。 另一方面，改变化油器主量孔和功率量孔，会改变过量空气系数，即得到不同浓度的混台气。混台 气加浓，功率增加，混合气变稀，功率对应下降．混合气过稀，会伴有燃烧不良，发动机工作不稳定现象。 我们采集了350组关于(Ne，．Me，0，口，n，p)的实验数据，作为学习样本集，供所要建立的人工神经 网络模型学习训练之用。 自动化理论、技术与应用 3前馈神经网络的选择及其结构的确定 多层前馈神经网络(FNN)是目前较为广泛的一种人工神经网络[4。它有如下两大优点：①只要有 一定的隐层结点，它就可以任意精度逼近任意连续函数；②它可以采用反向传播算法(简称BP算法)进 行学习训练，有较强的认识能力和泛化能力。 用F(t)表示隐层神经元的激活函数，用Ⅳ0表示输入层神经元与隐层神经元之间的连接权值，用w 表示隐层神经元与输出神经元之间的连接权值，用0，表示第z个隐层神经元的激活阀值。可以建立 FNN的输入与输出之间的联系： L N k…1-K (2j 姚=∑w驴(∑wk。一吼)， f=l ^=1 这里有K个N元函数，采用向量的记法，可记为Y=g(x，Ⅻ) 表示所有连接权值和激活阀值所组成的向量。 针对我们的实际问题，可以按如下步骤选择前馈神经网络的结构：