基于的汽油机瞬态工况进气流量预测研究.pdfVIP

公 路 与 汽 运 总第171期 Hig^叫口ys＆A“￡omo￡i铷PA夕夕Zif以￡io，zs 基于CMAC的汽油机瞬态工况进气流量预测研究* 刘宝杰1’2，李岳林1，谢安平1，龚宏义1 410200) (1．长沙理工大学汽车与机械工程学院，湖南长沙410004；2．湖南信息职业技术学院，湖南长沙 摘要：针对进气流量测量误差问题，运用改进型CMAC神经网络建立瞬态工况下进气流量预 测模型，在变加速、变减速两种具有代表性的瞬态工况下进行仿真试验，通过对试验结果的分析， 说明了汽油机进气流量预测模型的效果，嵌入该预测模型可增强空燃比控制效果。 关键词：汽车；CMAC神经网络；瞬态工况；进气流量；汽油机 中图分类号：U464．171 文献标志码：A 汽车日常使用过程中，起动、加速、减速和停车 等情况时有发生，这些转速快速变化的瞬态工况在 发动机运行过程中占有较高的比例，而且会排放更 多的污染物。在瞬态工况下，因空气流量传感器的 响应延迟特性及进气系统脉动效应而使进气流量出 现偏差，导致实际空燃比偏离理论空燃比，最终影响 三元催化器转化效率。研究表明：汽油机实际进气 输 量测量不准确引起的供油量计算误差是导致空燃比 偏差的主要原因之一。该文运用非线性能力强、学 习效率高的CMAC神经网络，结合汽油机均值模 型，建立进气流量预测模型对进气流量进行预测，以 图1 CMAC简化模型 改善进气系统预测效果。 神经元的经验差异，在学习过程中会出现学了后面 1 CMAC神经网络的改进 忘了前面的情况，即“遗忘”现象。为避免这种现象， 必须根据每个神经元的信任度来调整对应神经元的 1．1算法改进 权值。类比人类的思维方式，经过迭代次数较多的 1975年，J．S．Albus提出小脑模型关节控制 神经元的经验比较丰富，即可信度较高，在后面的学 ModelArticulation 器(Cerebellar Contr01ler)，简称 习过程中，其权值的调整幅度也应较小。由此，引入 CMAC神经网络。小脑控制肢体运动时，可根据外信任度因子，表达式如下： 部环境变化快速作出条件反射运动，这种不经过考 口，(是)一厂，(志)+1 (1) 虑的条件反射式响应是一种快捷式联想。CMAC式中：口，(忌)表示第J个神经元在是时的信任度； 网络是一种联想记忆网络，每一个输出只受小部分 厂，(足)表示其在志时已经经历过的学习次数。 神经元的影响，其结构如图1所示。 根据相关文献提出的权值调整幅度与信任度成 Albus提出的CMAC神经网络本质上是根据 正比，权值调整公式如下： 人类小脑的工作原理，利用阶梯函数拟合光滑曲线 r… 或曲面。其学习过程主要分为两部分：首先是激活 叫他+1)一叫强)+叩虿前z (2) 神经元的权值累加和，然后根据误差反馈值调整权 式中：训(是+1)、硼(愚)分别为网络在第是+1与第愚 值。在误差反馈调整过程中，误差值被平均地分配 次学习时的权值；呀为学习速度；r。+。为第是+1次 到处于激活状态的神经元中。而不同神经元的学习 学习时的学习信号；