基于GA-BP神经网络的柴油机噪声品质评价方法.pdfVIP

第 卷 第 期 电子设计工程 年 月 基于 神经网络的柴油机噪声品质评价方法 彭 涛周 亨邓维敏 重庆交通大学 重庆 摘要在柴油机运转中存在有比汽油机更大的噪声与振动当其强度达到一定程度时会给环境造成严重的危害 基 于对柴油机噪声品质预测的目的采用 算法建立了一种预测模型 其中的 算法是一种基于梯度下降原 理在局部中寻优的算法 由于人对柴油机噪声的主观评价是个非线性的过程 算法可以解决非线性可分问题所 以可以在柴油机噪声品质主观评价中应用 但是 算法的过程收敛速度慢很有可能陷入局部极小值 而遗传算法 具有全局寻优的优点文中通过将二者结合起来 由 寻找最优的 神经网络权值与相应节点的阀值可以有 效防止搜索过程收敛于局部最优解通过仿真结果得出此方法既能快速收敛又能大大提高避免陷入局部极小的能 力并且预测精度高为柴油机噪声主观评价提供了一种新思路 关键词柴油机噪声主观评价 神经网络遗传算法预测模型 中图分类号 文献标识码 文章编号 现在生活水平的提高 汽车噪声的问题渐渐的成为主 算法优化 神经网络的权重和阈值 从而改进 网络性 要的环境污染 对于使用柴油机的汽车柴油机是主要的噪 能 克服 神经网络陷入局部极小值的缺点 实现全局收 声源它越来越引起厂家的重视一些大型厂家不惜投入大 敛提高神经网络泛化能力和评估准确性 量资金去研究与控制柴油机噪声 因此提高主观对柴油机 针对柴油机噪声的特点 本文在借鉴有关 神经网络的 噪声评价的准确性优化内燃机的设计具有重要的意义 柴油机噪声的评价方法的基础之上进行了改进 结合遗传 现目前国内外关于噪声的品质评价 提出了几十