发动机支持向量机建模及精度影响因素

• 作者: 孙冬野 秦大同 罗勇 胡丰宾 陈然
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 支持向量机 发动机模型 辨识精度 参数选择
• 年，卷（期）: 2010,（4）
• 页码范围: 1391-1397
• 分类号: TP391.9|U464.12
• 字数: 4319字
• 语种: 中文

摘要

针对发动机具有非线性、时变性的特点以及采用常规神经网络辨识时的过学习等问题,提出基于支持向量机(SVM)的发动机模型辨识方法.该方法以大量实测数据为基础,采用结构风险最小化准则(SRM),保证网络具有很强的推广特性.以MATLAB为平台,依据实测试验数据,研究核函数、损失函数及惩罚参数对系统辨识精度的影响,确定各参数对模型精度影响的程度.在充分考虑各参数之间交互作用的前提下,利用循环嵌套查找方法,获得使支持向量机网络辨识精度达到最优时的各参数值,并以此建立发动机转矩及油耗模型.研究结果表明:基于支持向量机的发动机模型具有较强的泛化能力,为实现发动机与传动系统共同工作的最佳匹配控制奠定了基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦大同	重庆大学机械传动国家重点实验室	471	10212	49.0	70.0
2	孙冬野	重庆大学机械传动国家重点实验室	102	1582	25.0	34.0
3	胡丰宾	重庆大学机械传动国家重点实验室	14	198	8.0	14.0
4	陈然	重庆大学机械传动国家重点实验室	15	244	9.0	15.0
5	罗勇	重庆大学机械传动国家重点实验室	28	411	11.0	20.0