資源描述：
《基于自適應(yīng)PSO優(yōu)化的空燃比神經(jīng)網(wǎng)絡(luò)預(yù)測控制-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第39卷第5期西南師范大學(xué)學(xué)報(自然科學(xué)版)2014年5月Vo1．39No．5JournalofSouthwestChinaNormalUniversity(NaturalScienceEdition)May．2014文章編號：1000～5471(2O14)5—0064—05基于自適應(yīng)PSO優(yōu)化的空燃比神經(jīng)網(wǎng)絡(luò)預(yù)測控制①周敘國，王偉。1．貴州丁業(yè)職業(yè)技術(shù)學(xué)院電子與信息工程學(xué)院，貴陽550008；2．中州大學(xué)信息_[程學(xué)院，鄭州450044摘要：為解決空燃比傳輸延遲的問題，該文提出一種基于自適應(yīng)擴(kuò)展粒子群優(yōu)化的空燃比預(yù)測控制策略．采用多
2、粒子策略來提高算法的全局收斂性，通過對控制參數(shù)的自適應(yīng)調(diào)整來加快算法的收斂速度．在多粒子策略中，每個粒子的更新受更多其他粒子的影響；在自適應(yīng)策略中，控制參數(shù)隨著迭代次數(shù)的增加而逐漸減小．以HQ495發(fā)動機(jī)為實驗對象，仿真結(jié)果表明在節(jié)氣門小范圍變化時，空燃比誤差低于1；在節(jié)氣門大范圍變化時，空燃比誤差低于2．該方法實現(xiàn)了對空燃比的精確預(yù)測控制，有效地改善了汽油機(jī)過渡工況排放性能．關(guān)鍵詞：空燃比；自適應(yīng)粒子群優(yōu)化；神經(jīng)網(wǎng)絡(luò)；預(yù)測控制；過渡工況中圖分類號：TP273．2文獻(xiàn)標(biāo)志碼：A隨著社會的發(fā)展，汽油機(jī)在我們?nèi)粘Ｉa(chǎn)生活中扮演著越來越重要
3、的作用，其對燃油的利用效率成為了一個重要的研究課題．空燃比是衡量汽油機(jī)燃料利用效率的一個重要指標(biāo)_1]．汽油機(jī)空燃比的理論值為14．7比1，意思是14份空氣與一份燃油相混合，只有實際中的空燃比非常接近該理論值才能使燃油利用效率達(dá)到最佳．然而，現(xiàn)實生活中汽油機(jī)對燃料的利用是不充分的，尤其是處于過渡工況時．目前，已有很多關(guān)于汽油機(jī)處于過渡_T況時的研究，但是存在著如下問題：①空燃比信號采集存在延遲問題．汽油機(jī)在實際運行過程中，在我們利用氧傳感器檢測氣缸內(nèi)氣體時，這時我們得到的是已燃燒過的氣體成分，必然就會造成信號反饋的滯后，進(jìn)而影響到空燃
4、比的控制精度l_3]．②汽油機(jī)油膜的性能問題．燃油從油膜蒸發(fā)進(jìn)入氣缸和以蒸汽形式直接進(jìn)入氣缸比例的動態(tài)變化將會影響到空燃比[4]．③實際進(jìn)入氣缸空氣的測量問題．當(dāng)空氣進(jìn)入氣缸時，氣門會發(fā)生突變，就出現(xiàn)充排氣現(xiàn)象，從而影響安裝在氣門的空氣流量傳感器氣體測量的準(zhǔn)確性．④燃油噴射的時序特性．氣缸內(nèi)的進(jìn)油量是根據(jù)進(jìn)氣量進(jìn)行確定的，而氧傳感器測量的是前一個_T作循環(huán)中空氣成分的測量值，另一個氣門的開和關(guān)對進(jìn)氣量的測量也會造成影響l6j．目前，關(guān)于空燃比計算的問題還存在很多偏差．基于以上分析，為實現(xiàn)空燃比精確預(yù)測控制，改善汽油機(jī)過渡工況排放性能，
5、本文提出了一種基于自適應(yīng)擴(kuò)展粒子群優(yōu)化(AEPSO)的空燃比神經(jīng)網(wǎng)絡(luò)預(yù)測控制策略．采用多粒子策略提高其全局收斂性，使每個粒子的更新受更多其他粒子的影響；采用自適應(yīng)策略提高收斂速度，對參數(shù)C。進(jìn)行自適應(yīng)調(diào)整，使C。隨著代數(shù)的增加逐漸減小，從而加快PSO算法的收斂速度．運用該算法實現(xiàn)對空燃比BPNN預(yù)測控制的優(yōu)化，給出了該算法的的穩(wěn)定性證明．空燃比的精確預(yù)測控制對改善汽油機(jī)過渡工況排放性能、提高燃油利用率具有重要意義．1基于AEPSo優(yōu)化的預(yù)測控制1．1AEPSO算法建立基于以上分析，本文提出了基于粒子群優(yōu)化(PSO)算法的自適應(yīng)擴(kuò)展粒子
6、群優(yōu)化(AEPS())算法，其①收稿日期：20J3—07—16作者簡介：周敘圍(1971一)，男，貴州織金人，碩士，副教授，主要從事人工智能研究第5期周敘國，等：基于自適應(yīng)PSO優(yōu)化的空燃比神經(jīng)網(wǎng)絡(luò)預(yù)測控制65基本思想為考慮多粒子和自適應(yīng)群算法，建立算法模型．粒子群優(yōu)化是先對空間中的粒子進(jìn)行初始化，在這個特定的空間內(nèi)，每個粒賦予初始位置和初始速度，通過對2個“極值”的不斷跟蹤實現(xiàn)對粒子自身位置和速度的更新，最終達(dá)到尋優(yōu)的目的．該算法具有全局收斂速度快的特點，通過以下公式對(AEPS())自適應(yīng)擴(kuò)展群優(yōu)化算法進(jìn)行描述．+一c。．+∑．(
7、p一)+∑叩。．(一)(1)il一】zz十+1(2)+l＆(3)。。b—ElgNJ。在式(1)中，v(k)，v(k+1)，z，川分別代表粒子當(dāng)前速度、更新后速度、當(dāng)前位置和更新后的位置；在是時刻，P和P分別代表第i個局部極值和所有粒子第i個局部極值，一．()，一C一(忌)，通過式(1)和基本PSO公式可以得到，對于粒子速度和位置，通過個體極值和局部極值來實現(xiàn)粒子的參數(shù)更新．粒子搜索空間縮小為非線性，這里通過式(3)對控制參數(shù)C。進(jìn)行更新，經(jīng)過大量的實驗得出控制參數(shù)C。的最終值，在式(3)中，常數(shù)n一0．6，b一1，N表示當(dāng)前迭代次數(shù)．
8、AEPSQ算法充分利用多粒子的迭代尋優(yōu)信息，從而使得粒子的全局收斂性和收斂速度得到提高．PSO算法僅僅是AEPSO算法中和均取l且C取固定值時的一個特例，當(dāng)所取的控制參數(shù)滿足以下條件時，AEPSO算法一定收斂．>：(1一
