基于人工神经网络发动机点火提前角预测模型.docVIP

基于人工神经网络发动机点火提前角预测模型 　　摘 要：本文利用人工神经网络建立发动机点火提前角预测模型，提出显式优化神经网络模型复杂度的方法，并提出一种在将实验数据划分为训练、验证和测试数据集前的数据预处理方法，能有效提高模型的精度。得到的最优神经网络模型，对训练、验证、测试数据集预测的相关系数均为1，模型误差几乎为零。在划分数据集前通过复制原始数据集得到大量的数据样本，并通过多次迭代训练（999次），优化的发动机点火提前角预测模型具有很高的精度。 　　关键词：发动机；人工神经网络；点火提前角；预测模型 　　中图分类号：TK401 文献标识码：A 文章编号：1005-2550（2016）04-0056-06 　　Abstract： An artificial neural network was used in this current study to build the prediction model for engine ignition advance timing.Theprocedure for training and selecting an optimal network structure based on the explicit method of network structure optimization has been presented. The study also presents a novel approach for manipulating limited experimental data before partitioning into training， validation and test data sets for improved prediction accuracy. The results obtained by the proposed method for processing limited experimental data achieved virtually zero errors and a correlation coefficicent of unity for training， validation and testing. The improved prediction accuracy of the selected neural network model was attributed to the larger amount of data resulting from the proposed manipulation of experimental data before partitioning， as well as the comparatively higher （999） training epochs. 　　Key Words： engine； artificial neural network； ignition advance timing； prediction model 　　1 前言 　　人工神经网络是受生物神经系统启发的一种黑箱类建模方法，用于解决现实世界中模式分类、聚类/分类，函数逼近/系统识别，优化和控制系统设计等问题。人工神经网络有较强的并行处理、学习和泛化能力，具有高适应性和容错性等特点；能在一定的精度下，逼近任何函数[1]。因此，近年来受到很多的关注[2，3]，并在汽车发动机领域得到了广泛的运用[4-15]。 　　Wu等人[4]利用人工神经网络对具有可变气门正时和独立进气排气凸轮轴定相技术发动机的气流进行建模，提出了神经网络模型结构的显式优化方法[5]，该优化方法通过逐步递增模型参数（隐层数量和/或每层的神经元数量），观察训练、验证和测试数据集的均方误差，但是该方法需要有大量的实验数据，才能有较好的预测效果。文献[6]用元模型的方法降低1-D发动机模型的计算复杂度，而不损失有效数据信息，用于快速运行的自控制模型应用。文献[7]基于Levenberg-Marquardt算法，利用人工神经网络对单缸点火发动机的燃料系统识别和燃油喷射定时优化。Hadef等[8]开发了一个人工神经网络模型用来预测可变气门定时小型涡轮增压点火发动机的体积效率，用包含了稳态与瞬态工况的实验数据训练人工神经网络模型，训练模型的具有良好的预测结果。Zhang等[9]利用人工神经网络预测发动机的氮氧化物排放量，用于训练神经网络的输入包括：发动机转速、扭矩和机油温度。在不同发动机工况下，对发动机氮氧化物排放量的模型预测精度很高。在近期的另一项研究[10]中，使用GT-PowerTM 1-D仿真和人工神经网络为点