基于BP神经网络的喷水汽油机性能预测

摘要

基于反向传播(back propagation,BP)神经网络的逼近能力和自学习能力,以汽油机工况参数、状态参数和喷水控制参数为输入,分别建立多输入/单输出的点火提前角、油耗和排放预测模型;以试验设计和发动机台架的实测数据为基础构建、训练模型,用均方差评价网络训练与拟合效果;用相关系数判断输出值与目标值之间的密切程度;用决定系数和相对误差检验模型精度.结果表明:在训练、验证、测试、整体检验阶段,3种预测模型线性相关系数均大于0.8,均方差均小于0.01,决定系数都逼近于1,相对误差均小于15％,建立的模型能够较好预测喷水汽油机不同工况的性能.