本文主要研究内容
作者谷广宇,刘建敏,刘会英,陈财森（2019）在《基于GA-LSSVM和BP神经网络的柴油发动机状态预测方法》一文中研究指出：为提前掌握装甲车辆发动机运行状态变化,避免安全运行事故,并为装备的视情维修提供数据支撑,本文提出一种基于BP神经网络和GA-LSSVM的柴油发动机状态预测方法。采用遗传算法对最小二乘支持向量机(least squares support vector machine,LSSVM)的惩罚系数C和核函数寻优,对发动机状态特征信号进行回归预测,利用BP神经网络对不同状态下的运行特征样本进行训练,构建柴油发动机状态评估模型,对发动机状态预测评估,并通过实例进行分析验证。验证结果表明,该算法所需训练样本少,预测精度高;该模型对发动机状态参数变化的预测在3步内具有较高准确性,最大平均误差为7.92%,一步预测最大误差约为1.69%,具有良好的发动机状态预测评估效果。该研究对装甲车发动机的安全运行具有重要意义。
Abstract
wei di qian zhang wo zhuang jia che liang fa dong ji yun hang zhuang tai bian hua ,bi mian an quan yun hang shi gu ,bing wei zhuang bei de shi qing wei xiu di gong shu ju zhi cheng ,ben wen di chu yi chong ji yu BPshen jing wang lao he GA-LSSVMde chai you fa dong ji zhuang tai yu ce fang fa 。cai yong wei chuan suan fa dui zui xiao er cheng zhi chi xiang liang ji (least squares support vector machine,LSSVM)de cheng fa ji shu Che he han shu xun you ,dui fa dong ji zhuang tai te zheng xin hao jin hang hui gui yu ce ,li yong BPshen jing wang lao dui bu tong zhuang tai xia de yun hang te zheng yang ben jin hang xun lian ,gou jian chai you fa dong ji zhuang tai ping gu mo xing ,dui fa dong ji zhuang tai yu ce ping gu ,bing tong guo shi li jin hang fen xi yan zheng 。yan zheng jie guo biao ming ,gai suan fa suo xu xun lian yang ben shao ,yu ce jing du gao ;gai mo xing dui fa dong ji zhuang tai can shu bian hua de yu ce zai 3bu nei ju you jiao gao zhun que xing ,zui da ping jun wu cha wei 7.92%,yi bu yu ce zui da wu cha yao wei 1.69%,ju you liang hao de fa dong ji zhuang tai yu ce ping gu xiao guo 。gai yan jiu dui zhuang jia che fa dong ji de an quan yun hang ju you chong yao yi yi 。
论文参考文献
论文详细介绍
论文作者分别是来自青岛大学学报(工程技术版)的谷广宇,刘建敏,刘会英,陈财森，发表于刊物青岛大学学报(工程技术版)2019年03期论文，是一篇关于神经网络论文,柴油发动机论文,遗传算法论文,状态预测论文,青岛大学学报(工程技术版)2019年03期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自青岛大学学报(工程技术版)2019年03期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：神经网络论文; 柴油发动机论文; 遗传算法论文; 状态预测论文; 青岛大学学报(工程技术版)2019年03期论文;