基于混沌RBF神经网络和PSO--SVM的汽油机点火提前角组合软测量研究

摘要

随着人们对汽车商品的需求日益增大，促使中国汽车行业蓬勃发展，但是与之带来的环境、能源等问题也愈发严重。因此，通过优化汽油机的关键参数提高工作性能的研究是很必要的。点火提前角对发动机的工作性能有很大的影响，点火提前角过大容易造成爆震，动力性变差，点火提前角过小发动机效率会有所降低，油耗增大。传统点火提前角确定主要通过查表插值法，精度相对较低，对于要准确获得各工况的点火提前角只有通过实验标定，但实验标定难以涵盖所有工况。因此，对点火提前角的软研究具有一定的工程价值和理论意义。 本文主要针对汽油机点火提前角的软测量展开研究。首先，阐述了点火提前角对发动机工作性能的重要影响，以已知的实验台架标定的点火提前角数据作为样本数据，通过混沌算法对RBF神经网络的最佳网络权值wi和网络最佳节点中心向量ci进行优化，利用优化后的RBF神经网络对点火提前角软测量仿真;另外，选取径向基函数为支持向量机的核函数，利用粒子群算法(PSO)优化支持向量机的惩罚因子C和核函数宽度σ，并以PSO-SVM方法软测量点火提前角;最后，分析出单一软测量方法的优劣，以基于混沌RBF神经网络和PSO-SVM的可变最优加权组合软测量方法对点火提前角软测量仿真，软测量结果与文中各个单一软测量方法的软测量结果进行对比分析。 结果表明:本文所提出的基于混沌RBF神经网络和PSO-SVM的组合软测量方法相较于各个单一软测量方法软测量效果更加理想，在汽油机点火提前角软测量方面具有一定的优越性。

目录

声明

摘要

第一章绪论

1．1研究背景及意义

1．1．1研究背景

1．1．2研究意义

1．2国内外研究现状

1．2．1点火提前角研究现状

1．2．2组合软测量的研究现状

1．3本文主要研究内容

第二章基于混沌RBF神经网络的点火提前角软测量

2．1 RBF神经网络简介

2．1．1神经网络构成

2．1．2 RBF神经网络工作原理

2．2．1点火提前角影响因素分析

2．2．1点火提前角样本的选取及预处理

2．3混沌RBF神经网络的点火提前角软测量方法

2．3．1 RBF神经网络设计

2．3．2混沌算法优化RBF神经网络

2．4基于混沌RBF神经网络的点火提前角软测量仿真

2．4．1小负荷工况下点火提前角软测量仿真

2．4．2部分负荷工况下点火提前角软测量仿真

2．4．3大负荷工况下点火提前角软测量仿真

2．5本章小结

第三章基于PSO-SVM的点火提前角软测量

3．1粒子群算法和支持向量机简介

3．1．1支持向量机(SVM)

3．1．2粒子群算法(PSO)

3．2．1支持向量机核函数的选取

3．2．2粒子群算法优化支持向量机

3．3基于PSO-SVM的汽油机点火提前角软测量仿真

3．3．1小负荷工况下点火提前角软测量仿真

3．3．2部分负荷工况下点火提前角软测量仿真

3．3．3大负荷工况下点火提前角软测量仿真

3．4本章小结

第四章基于混沌RBF神经网络和PSO-SVM的点火提前角组合软测量

4．1组合软测量的概念

4．2 RBF神经网络和支持向量机点火提前角组合软测量方法

4．2．1组合软测量的权重确定方法

4．2．2混沌RBF神经网络和PSO-SVM的互补性分析

4．2．3可变最优权重分配方法

4．3基于混沌RBF和PSO-SVM的点火提前角组合软测量仿真

4．3．1小负荷工况点火提前角软测量仿真

4．3．2部分负荷工况点火提前角软测量仿真

4．3．3大负荷工况点火提前角软测量仿真

4．4点火提前角软测量结果评价与分析

4．5本章小结

全文总结与展望

全文总结

展望

参考文献

致谢

附录