基于混沌RBF神经网络的汽油机进气流量预测研究

摘要：

针对汽油机进气流量的多维非线性特性，提出了一种混沌径向基（RBF）神经网络的汽油机进气流量预测模型。证明了汽油机进气流量时间序列具有混沌特性，对采集的原始数据进行相空间重构，利用RBF神经网络对重构后的数据进行训练和预测，并利用混沌算法确定输出层连接权值和隐含层高斯函数径向基中心，使其达到全局最优，加快了RBF神经网络的收敛速度。仿真结果表明，与空气进气流量平均值模型、RBF神经网络预测模型比较，该模型具有更高的预测精度，为精确及时测试汽油机进气流量提供了一种全新的软件测量方法。

关键词：混沌RBF神经网络、进气流量、预测、汽油机

分类号：TP39(计算技术、计算机技术)

资助基金：高等学校博士学科点专项科研基金No.20104316110002；国家自然科学基金No.51176014。

在线出版日期：2014-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：222-226