發(fā)動機(jī)萬有特性是衡量發(fā)動機(jī)燃油經(jīng)濟(jì)性并進(jìn)行動力總成匹配的重要依據(jù)。為提高萬有特性建模的精度,以某系列柴油機(jī)試驗(yàn)數(shù)據(jù)為例,基于Kriging理論并采用遺傳算法優(yōu)化其初始值θ₀建立萬有特性預(yù)測模型。在此基礎(chǔ)上,對比分析優(yōu)化初始值θ₀后的Kriging理論、BP神經(jīng)網(wǎng)絡(luò)及最小二乘法所建立的萬有特性預(yù)測模型精度和魯棒性。結(jié)果表明:采用遺傳算法優(yōu)化后的Kriging理論建立的萬有特性預(yù)測模型精度和魯棒性均高于BP神經(jīng)網(wǎng)絡(luò)和最小二乘法。 

【文章來源】：機(jī)械設(shè)計(jì). 2020,37(08)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

BP神經(jīng)網(wǎng)絡(luò)模型

選取試驗(yàn)中奇數(shù)組為訓(xùn)練樣本，偶數(shù)組為測試樣本，分析對比Kriging理論、BP神經(jīng)網(wǎng)絡(luò)及最小二乘法對萬有特性數(shù)據(jù)的擬合能力。圖2～圖4分別展現(xiàn)了3種預(yù)測方法偏離基準(zhǔn)的情況�？梢钥闯�，最小二乘法預(yù)測值偏離程度最大，BP神經(jīng)網(wǎng)絡(luò)次之，Kriging理論預(yù)測效果最好。圖3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果

BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于最小二乘法的內(nèi)燃機(jī)特性曲線繪制[J]. 焦運(yùn)景,馮偉娜,臧繼嵩.  小型內(nèi)燃機(jī)與車輛技術(shù). 2017(04)
[2]柴油發(fā)動機(jī)特性曲線分析與建模[J]. 趙小輝,張明柱,白東洋,王全勝.  中國農(nóng)機(jī)化學(xué)報(bào). 2016(07)
[3]Kriging模型及代理優(yōu)化算法研究進(jìn)展[J]. 韓忠華.  航空學(xué)報(bào). 2016(11)
[4]基于Kriging模型和遺傳算法的泵葉輪兩工況水力優(yōu)化設(shè)計(jì)[J]. 王文杰,袁壽其,裴吉,張金鳳,袁建平,毛法良.  機(jī)械工程學(xué)報(bào). 2015(15)
[5]基于Kriging算法的壓氣機(jī)特性建模[J]. 涂環(huán),陳輝.  內(nèi)燃機(jī)學(xué)報(bào). 2014(04)
[6]MATLAB曲線擬合工具箱在發(fā)動機(jī)特性擬合中的應(yīng)用[J]. 黃兵鋒,解方喜,傅佳宏.  湖北文理學(xué)院學(xué)報(bào). 2014(05)
[7]基于人工神經(jīng)網(wǎng)絡(luò)BTA鉆削時表面粗糙度的預(yù)測[J]. 高騰,苗鴻賓,江敏.  機(jī)械設(shè)計(jì). 2014(04)
[8]基于神經(jīng)網(wǎng)絡(luò)的混凝土泵車發(fā)動機(jī)萬有特性建模與工況優(yōu)化[J]. 賀尚紅,楊昀梓.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(04)
[9]BP神經(jīng)網(wǎng)絡(luò)在發(fā)動機(jī)萬有特性中的應(yīng)用[J]. 顏伏伍,王洪建,田韶鵬,袁智軍.  武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版). 2010(03)
[10]汽車發(fā)動機(jī)特性仿真研究[J]. 趙亞男,趙福堂,劉碧榮.  北京交通大學(xué)學(xué)報(bào). 2008(01)

碩士論文
[1]基于現(xiàn)代優(yōu)化方法對萬有特性曲線建模的研究[D]. 王文君.北京交通大學(xué) 2015



本文編號：3286140