邓元望，元 野，周 飞，陈可亮

（湖南大学 机械与运载工程学院，湖南 长沙410082）

柴油机高压共轨喷射系统是一个复杂的、非线性的、时变的系统，其过程参数随工况不断变化，建立柴油机高压共轨系统模型是对其进行控制和优化的前提，国内外在这方面进行了大量的研究[1－2].用传统建模方法建立整个系统的数学模型时，包含的数学方程多，求解难度大，计算结果的准确度也不高[3]，因此需要进一步完善共轨系统仿真模型.

基于神经网络的非机理建模方法用于建立柴油机高压共轨系统模型，也取得了较好的结果，但该方法是基于大样本数据条件下获得的，需要大量的实验数据，同时该方法在处理随机性和时变特性方面的效果并不理想[4－5].支持向量机方法与神经网络方法都能对复杂的非线性系统进行拟合，但在针对小样本的泛化能力方面，支持向量机方法明显优于神经网络方法.目前支持向量机已广泛应用于模式识别与时间序列预测中[6]，取得了很好的效果.

本文通过对柴油机高压共轨喷射系统结构和工作过程的分析，在AMESim仿真软件中建立包括高压油泵、共轨管部件和共轨喷油器在内的共轨系统模型，研究各参数对共轨压力的影响.并用灰色关联分析数据确定出共轨模型的输入参数，再用最小二乘支持向量机（LS－SVM）对高压共轨系统进行拟合，根据仿真软件所得的样本数据训练该模型，并与BP神经网络拟合进行性能对比，验证……