摘要

本文分别利用Elman网络、BP网络和RBF网络从离子电流信号辨识HCCI发动机的燃烧相位CA50,并对三种模型的各项性能进行了比较。该方法首先提取每个循环的离子流信号的4个特征信息,用提取的特征信息和发动机转速以及4个控制参数经归一化处理后,输入给神经网络,计算出CA50。本研究以基于全可变气门机构的汽油HCCI发动机为对象,选取了台架试验中6个典型的HCCI动态变负荷过程数据作为训练样本,另两个动态变负荷数据为测试样本。测试结果表明:Elman网络的训练耗时明显最长,计算时间稍长于BP网络和RBF网络;RBF网络具有最好的拟合精度,但泛化能力最差,而Elman网络的泛化能力最好,Elman...

  • 单位
    天津大学; 自动化学院; 内燃机燃烧学国家重点实验室