共查询到20条相似文献,搜索用时 171 毫秒
1.
2.
基于RBF优化控制氢燃料发动机点火提前角 总被引:1,自引:0,他引:1
基于RBF神经网络构建氢(H2)燃料发动机最佳点火提前角优化模型,对点火提前角进行优化控制,改善H2燃料发动机动力性、经济性以及排放性能。试验结果表明,该模型能预测H2燃料发动机最佳点火提前角,并可以大大减轻标定试验工作量。 相似文献
3.
车用天然气发动机增压匹配及性能参数优化 总被引:1,自引:0,他引:1
运用GEM3D工具离散化的方法建立了某1.5 L自然吸气车用CNG(压缩天然气)发动机GT-Power仿真模型,并用试验数据对模型进行校核,模型最大误差为3.64%.在此基础上进行了CNG发动机增压器匹配分析,用DoE(design of experiment)工具对增压发动机的点火提前角进行了优化,然后优化了不同压缩比和不同过量空气系数下的点火提前角,对压缩比和过量空气系数进行了计算分析.结果表明:仿真模型具有较高精度,方案2为4种涡轮增压器方案中最佳方案,并对该方案进行了台架试验,仿真结果与试验结果误差在4%以内;通过优化点火提前角,扭矩最大提高了9.3%;在各最优点火提前角下,压缩比为12时最优,过量空气系数为1.1时具有最佳经济性. 相似文献
4.
为探索车用汽油机点火智能控制的有效方法,对CS492Q汽油机进行台架实验,在得到汽油机性能与点火提前角关系的基础上,以汽油机曲轴转速变化量和转速相对于点火提前角增量的变化率为模糊输入量,点火提前角增量为模糊输出量,建立模糊控制器,对汽油机点火正时进行模糊控制仿真。结果表明,采用模糊控制技术调节汽油机的点火正时,对汽油机的各种工况都有较好的控制精度,对变工况过程有较好的适应性。 相似文献
5.
6.
摩托车点火提前角对摩托车性能有较大影响,其中对摩托车NO。排放量的影响最大。随着点火提前角的增大,NO。排放量也相应增加,为控制NO。的排放量,点火提前角必须尽可能小;另一方面,随着点火提前角的变小,发动机功率也变小,发动机动力性变差,进行电喷标定或摩托车点火器设计时,必须两者兼顾,从而找出一个最佳的点火提前角。 相似文献
7.
8.
点火提前角过大或过小均会使汽油机的功率下降,理论和试验表明,使汽油机临近爆震燃烧的点火提前角为最佳的点火提前角。目前,一般采用分电器点火提前调节装置和微机控制点火提前调节系统来调节点火提前角。 相似文献
9.
10.
一辆福特嘉年华轿车,出现起动困难,且起动着后发动机易熄火,加速不良,高速行驶时烧机油,车速在120 km/h以上时车内噪声比较大并伴有共振的故障现象。发动机动力控制模块(PCM)内储存有基本点火提前角和基本喷油量的数据,因此点火提前角和喷油量由PCM自动控制,不能人为地进行调节。发动机怠速也是由PCM通过怠速步进电动机控制节气门的开度来实现的, 相似文献
11.
本文介绍了神经网络的基本理论,提出了一种采用BP神经网络模型对空耦雷达道路检测路面厚度进行测算的新方法。并对BP神经网络模型在沥青混凝土路面厚度检测的应用进行了分析、比较,为GPR技术在道路工程检测实践中提供一种辅助判断手段。 相似文献
12.
13.
为了评价道路水泥再生混凝土的性能,在分析BP神经网络原理的基础上提出了用BP神经网络模拟道路水泥再生混凝土性能与各影响因素间关系的方法。根据道路水泥再生混凝土的实际工况,建立了3个输入节点、4个输出节点的BP神经网络模型,通过9组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,BP神经网络模型可以较准确的评价道路水泥再生混凝土的性能。 相似文献
14.
15.
16.
正庚烷-乙醇混合燃料的自燃温度对研究反应控制压燃(RCCI)具有重要的参考意义。采用BP神经网络预测正庚烷-乙醇混合燃料自燃温度,该神经网络模型以正庚烷掺混比、当量比和进气压力为输入,自燃温度为输出,单层隐含层有16个节点时迭代过程均方误差和训练状态梯度均最小。研究结果表明:对神经网络模型训练、验证、测试的线性系数和全局线性系数R分别为0.997 78,0.997 9,0.994 92和0.997 33,预测精度较高;验证了该神经网络模型对正庚烷掺混比、当量比和进气压力变化的泛化能力,预测值与试验值的误差均在允许范围内,因此本模型得到的预测值与试验值具有良好的一致性。 相似文献
17.
18.
为提高基坑变形预测精度及稳定性,首先,利用遗传算法优化BP神经网络的结构参数,再将参数优化后的BP神经网络与灰色模型结合,构建出GA-BP神经网络模型,并利用该模型实现基坑变形序列的初步预测; 其次,基于残差序列的混沌特性,再利用混沌理论进行残差优化,进一步构建考虑混沌特性优化的GA-BP神经网络模型; 最后,将SR检验引入到基坑变形趋势判断中,以检验预测结果的准确性。实例检验表明: 通过遗传算法及混沌理论的递进优化,能逐步提高预测精度,验证文章预测模型的有效性,且预测结果与SR检验结果的一致性较好,说明该预测模型的可信度高。 相似文献
19.
目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度. 相似文献