基于RBF神经网络的汽油机电控参数的标定及优化

摘要

为了寻求电控单元与发动机的最佳匹配,通过分析汽油机电控系统控制参数,建立了汽油机稳态性能预测的径向基函数(RBF)人工神经网络模型.通过LJ276M汽油机台架标定试验获取样本数据,利用训练过的RBF神经网络预测汽油机在其他稳态工况点的电控参数并检验所建立神经网络模型的性能.喷油脉宽和点火提前角的网络输出最大误差小于1%,平均误差小于0.6%.研究结果表明,该预测模型具有较强的泛化能力,能够准确地预测发动机电控参数.