汽油机过渡工况进气流量的神经网络预测研究

进气流量的精确测量是车用汽油机空燃比精确控制的基础,发动机工作在过渡工况时,因进气状态变化,空气流量传感器的滞后响应影响了过渡工况空燃比的控制精度。提出了一种基于汽油机过渡工况各种参数信息融合的过渡工况进气流量预测方法,分析了影响汽油机过渡工况进气流量的各种工况参数,提取了特征参数并建立了BP神经网络信息融合预测模型。对车用汽油机加减速工况试验数据进行仿真,研究结果表明,该方法能够准确实时地预测汽油机过渡工况的进气流量,同时能够消除空气流量传感器的滞后特性。     

基于信息融合的汽油机过渡工况进气流量预测方法

在分析汽油机过渡工况下各种影响进气流量因素的基础上,提出了一种基于信息融合的进气流量预测方法。通过该方法提取了汽油机过渡工况的动态特征参数信息,建立了进气流量神经网络预测模型,并以车用汽油机加、减速工况实测数据为样本进行了仿真研究,结果表明,该方法能够准确地实时预测汽油机过渡工况的进气流量,同时能够消除空气流量传感器的滞后特性。     

基于SVR的汽油机过渡工况进气流量预测研究

针对目前汽油机进气流量预测精度不高的问题，分析支持向量回归机(SVR)应用在进气流量预测的可行性，提出一种基于SVR的进气流量预测模型。该模型通过结合支持向量回归机的结构优势，采用灰色关联分析法(GRA)对模型的特征向量进行提取，并利用遗传算法(GA)对模型参数进行寻优辨识，以提高模型的泛化性能和预测精度。运用汽油机过渡工况仿真试验数据对模型进行了训练和预测，并应用MATLAB/LIBSVM工具箱实现SVR模型的回归预测功能。结果表明：SVR模型的预测值与试验值的误差控制在2%范围之内，有效实现了过渡工况进气流量的预测；与常规的RBF神经网络预测模型、BP神经网络预测模型相比，SVR模型具有更高的预测精度，适用于汽油机过渡工况空燃比的精准控制。     

基于CMAC的汽油机瞬态工况进气流量预测研究

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。     

基于小波网络的发动机瞬态工况进气流量动态辨识与预测研究

由于发动机进气系统具有复杂的非线性动态特性,因此构建了进气流量小波网络辨识与预测模型,并利用最小二乘法(DLS)对小波网络参数和预测控制率进行了学习和优化,以提高小波网络预测模型的可靠性和预测精度。作为对比建立了基于BP神经网络的预测模型,并利用瞬态工况试验数据分别对两种模型进行了仿真研究。结果表明,小波网络模型能有效地预测发动机瞬态工况进气流量,与BP神经网络预测模型相比,误差精度更高,可用于发动机瞬态工况空燃比的精确控制。     

基于混合遗传算法的主动悬架集成优化研究

作者提出的主动悬架的集成优化方法是以主动悬架的结构参数与LQG控制器为优化对象,以主动悬架系统输出的车身垂直加速度、悬架动位移、轮胎动位移和主动控制力的加权和为优化性能指标。同时提出了一种混合优化算法,它利用梯度算法每次迭代得到的结果来改进遗传算法的群体,而用遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的初始点。运用该混合遗传算法进行主动悬架系统的集成优化控制能有效地提高汽车行驶平顺性和安全性。     

基于BP神经网络的车用汽油机过渡工况空燃比多步预测模型

为克服车用汽油机空燃比传输延迟对空燃比控制精度的影响,提出了一种基于BP神经网络的空燃比多步预测模型。通过对空燃比数学模型的分析,确定神经网络空燃比多步预测模型的输入向量,同时为提高空燃比预测精度,在神经网络输入向量中增加反映空燃比变化趋势的导数信息。以HL495发动机过渡工况试验数据进行仿真,结果表明该方法能精确预测过渡工况空燃比。     

柴油机废气再循环控制策略的优化与仿真验证

针对发动机在瞬态工况下废气再循环（EGR）目标开度响应速度慢和稳定性差问题,在基于进气量控制的基础上,提出了一种基于最小二乘向量机的 EGR 目标开度预测模型。通过改进的平衡优化器算法来调整模型的正则化参数和带宽,并在选定的瞬态工况下对模型进行模拟仿真。结果表明：与反向传播神经网络（BPNN）、径向基函数神经网络（RBFNN）和广义回归神经网络相比,所提出的预测模型在瞬态工况下具有更好的预测性能;与现有的控制策略相比,所提控制策略的 EGR 率曲线有较好的实时跟踪性,且与传统控制相比,其响应速度更快、稳定性更好。     

汽油机过渡工况进气测量的研究

发动机在过渡工况中，进气系统存在着动态的充排气现象，此时基于静态标定数据的查表法得到的结果并不代表实际的缸内进气流量。通过对过渡工况进气测量的研究，总结了过渡工况的进气特性，并设计了基于状态反馈的进气流量估值器，解决了过渡工况缸内进气流量的测量问题。     

基于Elman神经网络的车用汽油机过渡工况空燃比辨识

以HL495Q型电喷汽油机为研究对象,分析了汽油机空燃比的数学模型,提出了一种基于Elman神经网络的过渡工况空燃比辨识方法。试验结果表明,Elman神经网络空燃比模型具有简单的网络结构,能高精度地逼近车用汽油机空燃比的实际动态过程,模型的平均相对误差小于1%,优于前馈BP神经网络模型的辨识结果。建立的Elman神经网络空燃比模型能改善过渡工况空燃比控制精度,提高排放性能。     

基于GA、RBF和改进Cao方法的空中交通流预测方法

针对传统空中交通流量预测方法精度不足、时效性差的问题,考虑空中交通流量时间序列的混沌特征,在相空间重构理论的基础上,研究了结合遗传算法（GA）、径向基（RBF）神经网络与改进Cao方法的空中交通流量预测方法。为降低传统Cao方法人为参数选择引入的误差,提高相空间重构精度,通过判定虚假邻近点,以及迭代比较嵌入维度离差和可接受偏差,确定重构相空间嵌入维度值的选择标准,进而得到重构后的空中交通流量时间序列数据;为提升径向基神经网络预测精度并降低参数误差,使用遗传算法优化RBF神经网络的中心矢量、加权系数和输出层阈值,再通过最优系数标定后的神经网络对重构后的时间序列进行预测;利用实际空中交通流量数据进行仿真以验证方法的有效性,并结合最大Lyapunov指数和预测结果分析了预测的时效性以及时间尺度对精度影响。结果显示：(1)改进后的预测方法具有更好的非线性拟合能力,提高了交通流量时间序列的预测精度;(2)以5 min时间间隔预测为例,相比传统RBF神经网络,改进方法的平均绝对误差、均方误差以及平均绝对百分比误差分别降低了19.44%、34.78%和27.21%;(3)相比反向传播（BP）神经网络...     

基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题，给出了基于径向基函数（Radial Basis Function，RBF）神经网络的模型。该模型隐含层选用Gauss函数作为基函数，学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真，结果表明，用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播（Back-Propagation，BP）神经网络方法转换GPS高程的精度进行了比较，虽然两种方法的结果相近，但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见，RBF神经网络方法用于转换GPS高程是可行和有效的。     

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。     

一种短时交通流组合预测模型

为提高短时交通流预测的精度,提出利用BP神经网络、RBF神经网络和ARIMA模型构建组合预测模型,该组合预测模型利用最优化原理进行权系数的分配,并且满足分配到的权值始终具有实际意义。通过对分配的权系数进行显著性检验,以确保组合预测模型中选用的单项预测方法显著相关。通过实例分析,验证了组合预测模型的有效性,结果表明,相比较单一的预测模型,组合预测模型具有更高的预测精度。     

基于扰动观测的客车ESC自适应神经网络滑模控制

为了提高客车电子稳定性控制系统(ESC)的控制精度,针对实际车辆系统建模中存在各种非线性扰动项以及传统滑模控制(Sliding Mode Control,SMC)中抖振较大的问题,提出一种自适应神经网络滑模控制算法.基于2自由度车辆模型,首先设计一个二阶滑模(Second-order Sliding Mode,SOSM...     

基于神经网络客流预测的高峰期公交时刻表优化

为了加强公交发车时刻与高峰期客流需求波动间的协调性,需要依据实时客流需求进行时刻表优化.根据IC卡采集到的上车乘客数据,分别采用BP神经网络和RBF神经网络算法预测计算得到断面客流量.兼顾优化决策和评价模型,设计完善了基于客流预测的公交时刻表动态优化流程.计算文山市公交线路客流数据,发现案例中采用RBF神经网络预测得到的断面流量精度较BP神经网络高出4.9%.基于RBF神经网络和BP神经网络预测客流需求优化的公交时刻表与现状运行时刻表相比,乘客出行成本分别降低了4.11%和1.35%,企业运营成本分别降低了7.06%和4.60%.定量验证了动态优化方法的可行性和有效性.      

基于GA-BP神经网络的汽车空气阻力系数预测研究

针对整车空气动力性能开发中数值计算耗时长的问题，提出一种基于GA-BP神经网络的汽车空气阻力系数预测方法。将汽车部分特征参数作为输入变量，经外流场仿真得到的空气阻力系数作为输出变量，获取数据集。采用遗传算法对BP神经网络进行参数寻优，最终建立基于遗传算法的BP神经网络模型，验证不同训练集数量对模型预测精度的影响。结果表明，GA-BP神经网络在训练样本较少时也能维持较高的预测精度，可用于汽车空气阻力系数的快速测。     

基于S型函数预处理的RBF神经网络交通流量预测

根据交通流复杂性的特点,提出了一种基于S型函数标准化数据预处理的交通流量RBF网络预测方法,缩短了RBF网络训练时间;同时采用OLS算法有效降低RBF网络训练的随机性。实验仿真结果表明,该算法可用于实时交通流量及参数预测,并具有可靠的精度和较好的收敛速度。