发动机设计计算中的人工神经网络辅助方法的论文

-本文为网络收集精选范文、公文、论文、和其他应用文档，如需本文，请下载-发动机设计计算中的人工神经网络辅助方法的论文本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！ 作者：田国富 张国忠 孙书会论文关键词：内燃机 人工神经网络 辅助方法论文摘要：针对汽车发动机设计和性能评测当中有关参数计算的特点，提出应用人工神经网络方法进行辅助计算，以提高数据计算的结构化程度和处理速度。通过对具体数据的实际操作表明，应用本方法能够很好地表达原图表数据关系，所得结果的精度能够满足计算要求。汽车发动机的性能包括动力性、经济性、生态特性排放与噪声、可靠性及耐久性等多个方面，这些参数要通过在一定条件下的测试计算来获得。当发动机在非标准环境下运转时，其相关计算要通过参数进行修正，比如发动机的有效功率和燃油消耗率的计算。当发动机在非标准环境下运转时，其有效功率及燃油消耗率应修正到标准环境状况，当然也可由标准环境状况修正到现场环境状况，其中的有效功率和燃油消耗率修正系数在gb1105.1-87中以图表的形式给出，使用很不方便，本文应用人工神经网络对此图表信息进行处理，提高了数据计算的结构化程度和处理速度，取得了满意的效果。1.神经网络的识别原理在神经网络系统中，其知识是以大量神经元的互连和各连接的权值来表示的.神经网络映射辩识方法主要通过大量的样本进行训练，经过网络内部自适应算法不断调整其权值，以达到目的.状态识别器就隐含在网络中，具体就在互连形式与权值上.在网络的使用过程中，对于特定的输入模式，神经网络通过前向计算，产生一输出模式，通过对输出信号的比较和分析可以得出特定解。目前神经网络有近40多种类型，其中bp(back propagation,即反向传播)网络是最常用和比较重要的网络之一，本文就应用一种改进型的bp网络进行相应数据图表的识别映射。bp网络由输入结点、输出层结点和隐层结点构成，相连层用全互连结构.神经网络的工作过程主要有两个阶段：一个是学习期，通过样本学习修改各权值，达到一稳定状态；一个是工作期，权值不变，计算网络输出。bp网络的学习过程由正向传播和反向传播两部分组成。在正向传播过程中，输入信息从输入层经隐层单元逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的路径返回，通过修改各层神经元的权值，使得误差信号最小。当给定一输入模式x=(x1,x2,.,xm)和希望输出模式y=(y1,y2,.,yn)时，网络的实际输出和输出误差可用下列公式求出：隐含层输出：式中输入层至隐含层，隐含层至输出层的连接权；隐含层结点、输出层结点的阀值；m、h、n输入层、隐含层、输出层结点数；f s型函数，f(x)=(1+e-x)-1.如果误差太大不能满足要求，则需要用下列公式修正各连接权和阀值为网络提供一组特定的训练模式，随机产生初始连接权和阀值，不断币复上述计算过程，直到网络全局误差小于给定的极小值为止.由于bp网络的高识别能力，应用中采用了此结构形式.同时为提高其识别效果，加快网络的训练速度，缩短工作周期，应用了附加动量项和自适应速率的改进算法.附加动量项法使网络在修正其权值时，不仅考虑误差在梯度上的作用，而且考虑在误差曲面上变化趋势的影响，其作用如同一个低通滤波器，允许网络上的微小变化特性，使网络陷入局部极小值的可能性大大减少。自适应速率是通过改变学习率，提高bp算法的有效性和收敛性，缩短训练时间.2具体应用根据以上理论，采用改进的bp神经网络形式，动量因子取，对有效功率校正系数和燃油消耗率校正系数与指示功率比和机械效率的关系同时进行识别，采用双输入双输出的2-10-2结构、2-15-2结构、2-20-2结构进行训练，识别情况分别如表3-5所示。从实际的应用效果来看，2-15-2和2-20-2的逼近能力相似，2-15-2的速度快于2-20-2结构，而2-20-2结构的识别能力要远低于前两种结构，采用更少的隐层结点数就会使训练的时间过长，甚至使训练过程无法进行.因此最后选择2-15-2的bp网络结构作为最终的神经网络形式。如图1所示为训练次数与误差平方和之间的关系曲线，表4为部分网络输出与实际数值的比较.通过以上计算分析可见，神经网络的映射输出能力是相当强的，通过合理的网络结构选择和具体的参数应用，完全可以满足优化设计的计算要求，大大缩短优化当中的计算迭代时间，提高计算效率。3结论（1）人工神经网络有很强的数据映射能力，能够很好地识别所给数据之间的对应关系，映射的精度可以满足一般设计计算要求.（2）对于包含无规律图表数据的有关计算问题，应用神经网络是一个很好的加快运算速度的解决方法.（3）在数据的映射识别当中，网络的结构形式和参数选择对于问题的求解精度和速度都是致关重要的同时应当注意数据的过度训练问题.（4）智能算法的应用为具体的工程计算提供了更方便、有效的手段，寻找有效的计算方法，以及多种算法的混合应用将是摆在设计人员的一个课题.参考文献1焦李成.神经网络系统理论m西安:西安电子科技大学出版社，1990.2焦李成.神经网络的应用与实现m.西安:西安电子科技大学出版社，1993.3王文成.神经网络及其在汽车工程中的应用m.北京:北京理工大学出版社，1998.4张成宝，丁玉兰，雷雨成.人工神经网络在汽车变速器齿轮故障诊断中的应用j.汽车工程,1999,21(6) 374-378.5watanahle y, sharp h s. neural network learning control of automotive aotic-e suspension ,lournal of vehicle designj，1999，21(2/3):124一147.6ghazizadeh a, fahima, cindy m e1. neural net works rep resentation of a vehicle model:(neuro一vehiclejintern ational,lournal of vehicle design, 1996，17(1)55-757f oztiirk, oztiirk n. feature一basedenvironmentalissues: ne ural network based feature ernational ,lour nal of ve