基于神经网络的柴油机性能预测模型优化

摘要

在利用神经网络建立柴油机性能预测模型时,首先统计分析了网络结构、初始权值阈值以及训练样本划分对神经网络预测性能的影响.针对网络预测性能面对随机初始权值阈值及训练样本随机划分时表现的不稳定性,利用遗传算法分别建立针对该两项不稳定因素的优化算法,并在这两种优化算法的基础上提出对网络初始权值阈值及训练样本划分全面优化的综合优化算法.对神经网络预测模型的优化研究是基于某型船用高速大功率高压共轨柴油机,柴油机试验覆盖其推进特性10％～100％工况下的126个运行点.通过对优化算法的对比和验证,确认了笔者提出优化算法的高效寻优能力,并对优化获得最优预测模型的性能进行测试,该预测模型具有较好的预测性能.