基于模糊神经网络的氢燃料汽车发动机双模式控制系统

建立了以模糊神经网络控制器和点火提前角转速自适应控制器串联组成的开闭环相结合的双模式控制系统用以实现对控制变量的分级控制。改进的模糊神经网络模型进行的最佳点火提前角的仿真与试验结果的对比研究表明：该方法求解氢发动机的最优化控制模型具有令人满意的结果。     

基于RBF优化控制氢燃料发动机点火提前角

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。     

车用天然气发动机增压匹配及性能参数优化

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.     

车用汽油机点火正时的模糊控制仿真

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。     

小负荷时天然气发动机点火提前角对排放影响的试验研究

在1台改装的JL465Q5天然气发动机上进行了点火提前角对HC,NOx,CO排放影响的试验研究。试验结果表明:在理论过量空气系数附近,相同过量空气系数条件下,CO排放量随点火提前角变化不大,HC和NOx排放随点火提前角增大而升高;稀燃时,点火提前角对排气中各成分的影响减弱,CO和HC排放几乎不随点火提前角变化而变化,NOx排放随点火提前角增大略有升高。在试验转速及负荷条件下,点火提前角对排放中各成分的影响具有一致性。     

摩托车发动机点火提前角对发动机性能影响的实验研究

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。     

基于逆模型的柴油机供油提前角优化研究

结合某柴油发电机的应用开发作排放和性能分析,通过测试分析不同供油提前角下的试验数据,利用数值分析初步处理并建立模糊数值化优化约束条件,利用神经网络技术进行优化仿真试验,验证了该逆模型的有效性,总结了供油提前角对柴油机不同排放成分的影响程度,确定了该柴油机的最佳供油提前角。结果证明,用模糊神经网络技术来确定柴油机最佳供油提前角具有一定的可行性和工程应用价值。     

爆震推迟点火与点火提前调节特性之改善

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。     

乙醇汽油对单缸发动机性能影响的仿真研究

乙醇具有较高的氧含量和可再生的特点,被认为是理想的燃料添加剂之一,研究乙醇汽油的使用对发动机性能的影响具有重要的意义。建立某摩托车用单缸发动机计算机仿真模型,利用GTPOWER软件进行仿真分析,分别得到使用不同掺醇比例乙醇汽油E10、E30、E50时发动机动力性、经济性、排放和最佳点火提前角的仿真结果,并与使用普通汽油时的仿真结果进行对比,结果表明,使用乙醇汽油会使发动机的动力性和经济性下降,掺醇比例越大,下降越明显,但会明显改善发动机排放,同时发动机最佳点火提前角有所减小。     

福特嘉年华车起动困难

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,     

空耦雷达技术在检测沥青路面厚度的探讨

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。     

混合神经网络跟驰模型的建立

将混合神经网络模型(CNNM)应用于跟驰模型的建立。进行基于车载高精度GPS的跟驰试验设计,并结合试验数据,介绍模型建立的原理和过程。分别建立基于BP神经网络和基于径向基神经网络的跟驰模型,并应用于混合神经网络跟驰模型的建立。模型通过实测数据对混合模型的信用值进行调整,从而组合得到较高的精确度。通过对预测效果的比较,可以发现混合神经网络跟驰模型可以取得比单一神经网络模型更好的预测效果。     

基于BP网络的道路水泥再生混凝土性能的评价

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。     

湿陷性黄土场地强夯夯沉量的预测

以湿陷性黄土地区的大量强夯工程实例为对象,分析、选择了影响夯沉量的五大主控因素作为BP神经网络模型的基本特征量,建立夯沉量与其之间的相关关系的BP网络模型,对夯沉量进行了预测分析。结果表明:BP神经网络模型能真实反映强夯夯沉量与主控因素之间的非线性关系,预测结果与实测值之间的相对误差小于10%,用该模型对强夯夯沉量进行预测是有效的。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

基于BP神经网络预测正庚烷-乙醇混合燃料自燃温度

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。     

基于风险分析的公路工程保险费率厘定

在考虑工程风险及保险实际理赔情况的基础上,形成了含自然灾害、项目环境等7个指标维度的风险评价体系,利用粒子群(PSO)算法优化BP神经网络的初始阈值及权值,建立了公路工程保险费率厘定模型。将该模型应用于34个公路工程保险实际案例,通过PSO-BP神经网络拟合保险样本中风险指标因素与费率之间的关系,实现费率预测。对比分析PSO-BP神经网络与BP神经网络的仿真效果,结果表明,PSO-BP神经网络模型能较好地反映公路工程实际风险水平,预测准确度高,收敛速度快,适用于保险费率厘定。     

基于混沌递进预测模型与趋势检验的深基坑变形规律研究

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。     

水上交通流冲突严重度BP神经网络评价方法

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.      

BP神经网络在振冲碎石桩复合地基承载力预测中的应用

在分析振冲碎石桩复合地基承载力影响因素的基础上，结合江苏某高速公路工程的振冲碎石桩承载力试验结果，利用BP神经网络强大的非线性映射能力，建立了基于BP神经网络的复合地基承载力预测模型。模型预测结果表明:利用BP神经网络来预测振冲碎石桩复合地基承载力的方法是可行的。