基于神经网络模型的共轨柴油机标定研究.pdf下载

weixin_39821526 2021-10-06 21:26:52

基于神经网络模型的共轨柴油机标定研究.pdf , 相关下载链接：https://download.csdn.net/download/jiebing2020/24821895?utm_source=bbsseo

...全文

16 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

基于神经网络模型的共轨柴油机标定研究.pdf

高压共轨柴油机可控燃油喷射参数的增加,在使对燃烧的控制更加灵活的同时也带来标定和优化工作量显著增加的问题。为适应高效率的需要,提出并研究了基于模型的标定优化,即采用神经网络在一些工况点上建立模型,再通过自适应神经模糊推理系统(ANFIS)进行插值,将模型由这些工况点扩展到所需工况空间。模型精度由对象、建模所用数据量及模型参数调整共同决定。试验在一台六缸高压共轨柴油机上进行。理论分析和试验结果表明:该方法可以在保证精度的同时有效减少标定优化的试验工作量。

自组织特征映射网络(Self - Organizing Feature Map,SOM)也称Kohonen网络,它是由荷兰学者Teuvo Kohonen于1981年提出的。该网络是一个由全连接的神经元阵列组成的无教师、自组织、自学习网络。Kohonen认为,处于空间中不同区域的神经元有着不同的分工，当一个神经网络接受外界输入模式时,将会分为不同的反应区域,各区域对输入模式具有不同的响应特性。

柴油机故障诊断是保证柴油机安全高效运行的关键技术。本文提出了一种基于卷积神经网络（CNN）结合支持向量机（SVM）的柴油机故障诊断方法。该方法利用 CNN 强大的特征提取能力提取故障信号的特征，并利用 SVM 较好的分类性能对故障类型进行分类。实验结果表明，该方法具有较高的故障诊断准确率和鲁棒性，为柴油机故障诊断提供了一种新的思路。1. 引言柴油机广泛应用于船舶、工程机械、发电设备等领域。柴油机故障会影响设备的正常运行，甚至造成安全事故。因此，柴油机故障诊断具有重要的意义。

柴油机故障诊断是保证柴油机安全高效运行的关键技术。本文提出了一种基于卷积神经网络（CNN）结合支持向量机（SVM）的柴油机故障诊断方法。该方法利用 CNN 强大的特征提取能力提取故障信号的特征，并利用 SVM 较好的分类性能对故障类型进行分类。实验结果表明，该方法具有较高的故障诊断准确率和鲁棒性，为柴油机故障诊断提供了一种新的思路。1. 引言柴油机广泛应用于船舶、工程机械、发电设备等领域。柴油机故障会影响设备的正常运行，甚至造成安全事故。因此，柴油机故障诊断具有重要的意义。

下载资源悬赏专区

13,654

社区成员

12,578,417

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章