基于人工神經網絡的汽油機噴油正時優化

?

基于人工神經網絡的汽油機噴油正時優化

燃油噴射定時是發動機最重要的工作參數之一，其影響燃油的霧化、混合氣的形成以及混合氣的燃燒，而影響的這些參數又決定了汽油機的性能與排放。優化燃油噴射定時可以在很大程度上提高發動機的性能。利用人工神經網絡和列文伯格-馬夸爾特算法對一個單缸4沖程汽油機噴油正時進行優化，以提高汽油機性能，并利用試驗數據進行了驗證。

利用人工神經網絡模型不需要系統提供過多的信息。該人工神經網絡模型對輸入信息的操作更像是一個黑盒模型，通過分析已有數據，得出輸入參數與可控或不可控變量之間的關系，甚至可以實現非線性回歸分析。該人工神經網絡模型還可以對含有較多參數的大型復雜系統進行分析。

列文伯格-馬夸爾特算法是最優化算法中的一種迭代算法，其利用梯度來求最值，同時具有梯度法和牛頓法的優點，收斂速度比這兩者都要快。該算法用模型函數對待估參數向量在其領域內做線性近似，忽略二階以上導數項，從而轉化為線性最小二乘問題。

試驗采集不同進氣歧管壓力下發動機轉速700～5000r/min的相關數據。這些數據的70%用以求取神經網絡相關參數，15%作為試驗數據進行仿真優化，余15%的數據用以進行驗證。首先利用神經網絡對采集的試驗數據70%進行分析，得出與最佳燃油噴射正時相關的參數；然后利用15%的試驗數據進行仿真；最后利用其余15%的試驗數據對上一步中的仿真結果進行驗證。

試驗和仿真結果表明，利用人工神經網絡和列文伯格-馬夸爾特算法能夠很好地汽油對機燃油噴射正時進行優化，誤差可控制在5%以內，節省了時間和成本。

Vijayashree et al. SAE 2013-01-2866.

編譯：王祥