基于人工神经网络的汽油机喷油正时优化

燃油喷射定时是发动机最重要的工作参数之一，其影响燃油的雾化、混合气的形成以及混合气的燃烧，而影响的这些参数又决定了汽油机的性能与排放。优化燃油喷射定时可以在很大程度上提高发动机的性能。利用人工神经网络和列文伯格-马夸尔特算法对一个单缸4冲程汽油机喷油正时进行优化，以提高汽油机性能，并利用试验数据进行了验证。

利用人工神经网络模型不需要系统提供过多的信息。该人工神经网络模型对输入信息的操作更像是一个黑盒模型，通过分析已有数据，得出输入参数与可控或不可控变量之间的关系，甚至可以实现非线性回归分析。该人工神经网络模型还可以对含有较多参数的大型复杂系统进行分析。

列文伯格-马夸尔特算法是最优化算法中的一种迭代算法，其利用梯度来求最值，同时具有梯度法和牛顿法的优点，收敛速度比这两者都要快。该算法用模型函数对待估参数向量在其领域内做线性近似，忽略二阶以上导数项，从而转化为线性最小二乘问题。

试验采集不同进气歧管压力下发动机转速700～5000r/min的相关数据。这些数据的70%用以求取神经网络相关参数，15%作为试验数据进行仿真优化，余15%的数据用以进行验证。首先利用神经网络对采集的试验数据70%进行分析，得出与最佳燃油喷射正时相关的参数；然后利用15%的试验数据进行仿真；最后利用其余15%的试验数据对上一步中的仿真结果进行验证。

试验和仿真结果表明，利用人工神经网络和列文伯格-马夸尔特算法能够很好地汽油对机燃油喷射正时进行优化，误差可控制在5%以内，节省了时间和成本。

Vijayashree et al. SAE 2013-01-2866.

编译：王祥