基于Kriging理论的发动机万有特性研究

发布时间：2021-07-15 17:22

　　发动机万有特性是衡量发动机燃油经济性并进行动力总成匹配的重要依据。为提高万有特性建模的精度,以某系列柴油机试验数据为例,基于Kriging理论并采用遗传算法优化其初始值θ₀建立万有特性预测模型。在此基础上,对比分析优化初始值θ₀后的Kriging理论、BP神经网络及最小二乘法所建立的万有特性预测模型精度和鲁棒性。结果表明:采用遗传算法优化后的Kriging理论建立的万有特性预测模型精度和鲁棒性均高于BP神经网络和最小二乘法。 

【文章来源】：机械设计. 2020,37(08)北大核心CSCD

【文章页数】：5 页

【部分图文】：

BP神经网络模型

选取试验中奇数组为训练样本，偶数组为测试样本，分析对比Kriging理论、BP神经网络及最小二乘法对万有特性数据的拟合能力。图2～图4分别展现了3种预测方法偏离基准的情况。可以看出，最小二乘法预测值偏离程度最大，BP神经网络次之，Kriging理论预测效果最好。图3 BP神经网络预测结果

BP神经网络预测结果

【参考文献】：
期刊论文
[1]基于最小二乘法的内燃机特性曲线绘制[J]. 焦运景,冯伟娜,臧继嵩.  小型内燃机与车辆技术. 2017(04)
[2]柴油发动机特性曲线分析与建模[J]. 赵小辉,张明柱,白东洋,王全胜.  中国农机化学报. 2016(07)
[3]Kriging模型及代理优化算法研究进展[J]. 韩忠华.  航空学报. 2016(11)
[4]基于Kriging模型和遗传算法的泵叶轮两工况水力优化设计[J]. 王文杰,袁寿其,裴吉,张金凤,袁建平,毛法良.  机械工程学报. 2015(15)
[5]基于Kriging算法的压气机特性建模[J]. 涂环,陈辉.  内燃机学报. 2014(04)
[6]MATLAB曲线拟合工具箱在发动机特性拟合中的应用[J]. 黄兵锋,解方喜,傅佳宏.  湖北文理学院学报. 2014(05)
[7]基于人工神经网络BTA钻削时表面粗糙度的预测[J]. 高腾,苗鸿宾,江敏.  机械设计. 2014(04)
[8]基于神经网络的混凝土泵车发动机万有特性建模与工况优化[J]. 贺尚红,杨昀梓.  中南大学学报(自然科学版). 2010(04)
[9]BP神经网络在发动机万有特性中的应用[J]. 颜伏伍,王洪建,田韶鹏,袁智军.  武汉理工大学学报(信息与管理工程版). 2010(03)
[10]汽车发动机特性仿真研究[J]. 赵亚男,赵福堂,刘碧荣.  北京交通大学学报. 2008(01)

硕士论文
[1]基于现代优化方法对万有特性曲线建模的研究[D]. 王文君.北京交通大学 2015



本文编号：3286140