改进粒子群优化-Elman算法在发动机曲轴脉宽预测中的应用

• 作者: 孟蓉歌 张春化 梁继超
• 来源期刊: 中国机械工程
• 学科: 工学
• 关键词: 曲轴脉宽 Elman神经网络 粒子群优化算法 惯性权重
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 机械基础工程
• 页码范围: 766-770
• 页数: 5页
• 分类号: TK40|TP368
• 字数: 3013字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2018.07.002

摘要

针对发动机曲轴脉宽难以预测的问题,提出了改进粒子群(PSO)优化 Elman 神经网络预测的方法.采用Elman神经网络建立脉宽预测模型,根据网络陷入局部最优的代数与迭代次数动态更新网络惯性权重使PSO算法得到改进,利用改进的PSO 算法对 Elman神经网络的权值和阈值进行优化.对YC6G270-30型增压中冷柴油机曲轴信号脉宽的预测结果表明,改进的PSO-Elman算法比最小二乘、Elman、PSO-Elman算法具有更高的预测精度,收敛速度更快,验证了所提出方法的有效性与实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张春化	长安大学汽车学院	64	459	14.0	17.0
2	孟蓉歌	长安大学汽车学院	3	12	2.0	3.0
6	梁继超	长安大学汽车学院	2	11	2.0	2.0