基于CMAC神经网络的汽油机瞬态工况进气流量预测研究

摘要

随着世界的能源危机、环境恶化等问题越来越突出，汽车排放法规也会越来越严厉，汽车行业的发展也遇到了更多的挑战，但是汽车对人们生活以及社会经济发展却更加重要了，这样也提供了更大的机遇。因此,提高汽油机的燃油燃烧效率与三元催化器净化性能已经成为内燃机领域内科研人员的重要研究方向，并且具有巨大的经济与社会效益。
　　空燃比是影响汽油机性能的一个重要因素,影响汽油在缸内的燃烧效率以及三元催化器的净化效果。因此，更加精确地控制空燃比有利于汽油机处于最佳工作状态，以改善车辆经济性和动力性，并且减少污染物的排放。然而，在瞬态工况下，受进气过程中动态效应以及空气流量传感器响应延时特性与误差的影响，使得测得进气流量值产生较大误差，由进气流量控制的喷油量也会产生较大误差，最后造成空燃比产生较大的波动。因此，为了增强空燃比的控制效果，就要确保所测得进气流量具有足够的精度。
　　本文是在把进气流量测量误差进行深入分析之后，提出了CMAC神经网络预测方法，详细介绍了CMAC神经网络的结构、算法、工作原理，并且对其算法与结构做了一定的改进。通过复杂函数测试肯定了改进模型的可靠性和有效性。然后，运用改进型CMAC神经网络对瞬态工况下的进气流量进行预测，并且在Matlab仿真环境中建立基于CMAC神经网络进气流量预测模型，同时把进气流量预测模型与平均值模型进行整合。最后，在两种具有代表性的瞬态工况下做整体仿真实验。
　　通过仿真实验，得出了一些结论：在实验工况下，本文建立的汽油机进气流量预测模型能够准确的预测进气流量，具有良好的精度，而且工作效率高、运行可靠，增强了对空燃比控制效果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景与意义

1.2汽油机进气流量预测国内外研究现状

1.3 汽油机进气流量的测量误差分析

1.4 本文主要研究内容与课题来源

第二章CMAC神经网络的改进

2.1 神经网络介绍

2.2 CMAC神经网络

2.3信任度分配对CMAC神经网络算法的改进

2.4学习向量量化网络分类器对CMAC网络结构的优化

2.5函数测试网络性能

2.6本章小结

第三章 基于CMAC神经网络的瞬态进气流量预测模型

3.1预测模型结构

3.2 预测模型的建立

3.3基于Matlab/Simulink的瞬态进气流量预测平均值模型

3.4本章小结

第四章 仿真实验

4.1实验环境

4.2仿真分析

4.3本章小结

总结与展望

工作总结

工作展望

参考文献

致谢