作者：田國富 張國忠 孫書會(huì)

論文關(guān)鍵詞：內(nèi)燃機(jī) 人工神經(jīng)網(wǎng)絡(luò) 輔助方法

論文摘要：針對(duì)汽車發(fā)動(dòng)機(jī)設(shè)計(jì)和性能評(píng)測(cè)當(dāng)中有關(guān)參數(shù)計(jì)算的特點(diǎn)，提出應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行輔助計(jì)算，以提高數(shù)據(jù)計(jì)算的結(jié)構(gòu)化程度和處理速度。通過對(duì)具體數(shù)據(jù)的實(shí)際操作表明，應(yīng)用本方法能夠很好地表達(dá)原圖表數(shù)據(jù)關(guān)系，所得結(jié)果的精度能夠滿足計(jì)算要求。

汽車發(fā)動(dòng)機(jī)的性能包括動(dòng)力性、經(jīng)濟(jì)性、生態(tài)特性——排放與噪聲、可靠性及耐久性等多個(gè)方面，這些參數(shù)要通過在一定條件下的測(cè)試計(jì)算來獲得。當(dāng)發(fā)動(dòng)機(jī)在非標(biāo)準(zhǔn)環(huán)境下運(yùn)轉(zhuǎn)時(shí)，其相關(guān)計(jì)算要通過參數(shù)進(jìn)行修正，比如發(fā)動(dòng)機(jī)的有效功率和燃油消耗率的計(jì)算。當(dāng)發(fā)動(dòng)機(jī)在非標(biāo)準(zhǔn)環(huán)境下運(yùn)轉(zhuǎn)時(shí)，其有效功率及燃油消耗率應(yīng)修正到標(biāo)準(zhǔn)環(huán)境狀況，當(dāng)然也可由標(biāo)準(zhǔn)環(huán)境狀況修正到現(xiàn)場(chǎng)環(huán)境狀況，其中的有效功率和燃油消耗率修正系數(shù)在GB1105..1-87中以圖表的形式給出，使用很不方便，本文應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對(duì)此圖表信息進(jìn)行處理，提高了數(shù)據(jù)計(jì)算的結(jié)構(gòu)化程度和處理速度，取得了滿意的效果。

1.神經(jīng)網(wǎng)絡(luò)的識(shí)別原理

在神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，其知識(shí)是以大量神經(jīng)元的互連和各連接的權(quán)值來表示的.神經(jīng)網(wǎng)絡(luò)映射辯識(shí)方法主要通過大量的樣本進(jìn)行訓(xùn)練，經(jīng)過網(wǎng)絡(luò)內(nèi)部自適應(yīng)算法不斷調(diào)整其權(quán)值，以達(dá)到目的.狀態(tài)識(shí)別器就隱含在網(wǎng)絡(luò)中，具體就在互連形式與權(quán)值上.在網(wǎng)絡(luò)的使用過程中，對(duì)于特定的輸入模式，神經(jīng)網(wǎng)絡(luò)通過前向計(jì)算，產(chǎn)生一輸出模式，通過對(duì)輸出信號(hào)的比較和分析可以得出特定解。目前神經(jīng)網(wǎng)絡(luò)有近40多種類型，其中BP(Back Propagation，即反向傳播)網(wǎng)絡(luò)是最常用和比較重要的網(wǎng)絡(luò)之一，本文就應(yīng)用一種改進(jìn)型的BP網(wǎng)絡(luò)進(jìn)行相應(yīng)數(shù)據(jù)圖表的識(shí)別映射。

BP網(wǎng)絡(luò)由輸入結(jié)點(diǎn)、輸出層結(jié)點(diǎn)和隱層結(jié)點(diǎn)構(gòu)成，相連層用全互連結(jié)構(gòu).神經(jīng)網(wǎng)絡(luò)的工作過程主要有兩個(gè)階段：一個(gè)是學(xué)習(xí)期，通過樣本學(xué)習(xí)修改各權(quán)值，達(dá)到一穩(wěn)定狀態(tài)；一個(gè)是工作期，權(quán)值不變，計(jì)算網(wǎng)絡(luò)輸出。

BP網(wǎng)絡(luò)的學(xué)習(xí)過程由正向傳播和反向傳播兩部分組成。在正向傳播過程中，輸入信息從輸入層經(jīng)隱層單元逐層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播，將誤差信號(hào)沿原來的路徑返回，通過修改各層神經(jīng)元的權(quán)值，使得誤差信號(hào)最小。

當(dāng)給定一輸入模式X=(x1，x2，….，xm)和希望輸出模式Y(jié)=(y1，y2，…..，yn)時(shí)，網(wǎng)絡(luò)的實(shí)際輸出和輸出誤差可用下列公式求出：

隱含層輸出：

式中——輸入層至隱含層，隱含層至輸出層的連接權(quán)；

——隱含層結(jié)點(diǎn)、輸出層結(jié)點(diǎn)的閥值；

m、h、n——輸入層、隱含層、輸出層結(jié)點(diǎn)數(shù)；

f—— s型函數(shù)，f(x)=(1+e-x)-1.

如果誤差太大不能滿足要求，則需要用下列公式修正各連接權(quán)和閥值

為網(wǎng)絡(luò)提供一組特定的訓(xùn)練模式，隨機(jī)產(chǎn)生初始連接權(quán)和閥值，不斷幣復(fù)上述計(jì)算過程，直到網(wǎng)絡(luò)全局誤差小于給定的極小值為止.

由于BP網(wǎng)絡(luò)的高識(shí)別能力，應(yīng)用中采用了此結(jié)構(gòu)形式.同時(shí)為提高其識(shí)別效果，加快網(wǎng)絡(luò)的訓(xùn)練速度，縮短工作周期，應(yīng)用了附加動(dòng)量項(xiàng)和自適應(yīng)速率的改進(jìn)算法.

附加動(dòng)量項(xiàng)法使網(wǎng)絡(luò)在修正其權(quán)值時(shí)，不僅考慮誤差在梯度上的作用，而且考慮在誤差曲面上變化趨勢(shì)的影響，其作用如同一個(gè)低通濾波器，允許網(wǎng)絡(luò)上的微小變化特性，使網(wǎng)絡(luò)陷入局部極小值的可能性大大減少。自適應(yīng)速率是通過改變學(xué)習(xí)率，提高BP算法的有效性和收斂性，縮短訓(xùn)練時(shí)間.

2具體應(yīng)用

根據(jù)以上理論，采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)形式，動(dòng)量因子取0.9，對(duì)有效功率校正系數(shù)和燃油消耗率校正系數(shù)與指示功率比和機(jī)械效率的關(guān)系同時(shí)進(jìn)行識(shí)別，采用雙輸入雙輸出的2-10-2結(jié)構(gòu)、2-15-2結(jié)構(gòu)、2-20-2結(jié)構(gòu)進(jìn)行訓(xùn)練，識(shí)別情況分別如表3-5所示。

從實(shí)際的應(yīng)用效果來看，2-15-2和2-20-2的逼近能力相似，2-15-2的速度快于2-20-2結(jié)構(gòu)，而2-20-2結(jié)構(gòu)的識(shí)別能力要遠(yuǎn)低于前兩種結(jié)構(gòu)，采用更少的隱層結(jié)點(diǎn)數(shù)就會(huì)使訓(xùn)練的時(shí)間過長，甚至使訓(xùn)練過程無法進(jìn)行.因此最后選擇2-15-2的BP網(wǎng)絡(luò)結(jié)構(gòu)作為最終的神經(jīng)網(wǎng)絡(luò)形式。如圖1所示為訓(xùn)練次數(shù)與誤差平方和之間的關(guān)系曲線，表4為部分網(wǎng)絡(luò)輸出與實(shí)際數(shù)值的比較.

通過以上計(jì)算分析可見，神經(jīng)網(wǎng)絡(luò)的映射輸出能力是相當(dāng)強(qiáng)的，通過合理的網(wǎng)絡(luò)結(jié)構(gòu)選擇和具體的參數(shù)應(yīng)用，完全可以滿足優(yōu)化設(shè)計(jì)的計(jì)算要求，大大縮短優(yōu)化當(dāng)中的計(jì)算迭代時(shí)間，提高計(jì)算效率。

3結(jié)論

（1）人工神經(jīng)網(wǎng)絡(luò)有很強(qiáng)的數(shù)據(jù)映射能力，能夠很好地識(shí)別所給數(shù)據(jù)之間的對(duì)應(yīng)關(guān)系，映射的精度可以滿足一般設(shè)計(jì)計(jì)算要求.

（2）對(duì)于包含無規(guī)律圖表數(shù)據(jù)的有關(guān)計(jì)算問題，應(yīng)用神經(jīng)網(wǎng)絡(luò)是一個(gè)很好的加快運(yùn)算速度的解決方法.

（3）在數(shù)據(jù)的映射識(shí)別當(dāng)中，網(wǎng)絡(luò)的結(jié)構(gòu)形式和參數(shù)選擇對(duì)于問題的求解精度和速度都是致關(guān)重要的’同時(shí)應(yīng)當(dāng)注意數(shù)據(jù)的過度訓(xùn)練問題.

（4）智能算法的應(yīng)用為具體的工程計(jì)算提供了更方便、有效的手段，尋找有效的計(jì)算方法，以及多種算法的混合應(yīng)用將是擺在設(shè)計(jì)人員的一個(gè)課題.

[1]焦李成.神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論[M]西安:西安電子科技大學(xué)出版社，1990.

[2]焦李成.神經(jīng)網(wǎng)絡(luò)的應(yīng)用與實(shí)現(xiàn)[M].西安:西安電子科技大學(xué)出版社，1993.

[3]王文成.神經(jīng)網(wǎng)絡(luò)及其在汽車工程中的應(yīng)用[M].北京:北京理工大學(xué)出版社，1998.

[4]張成寶，丁玉蘭，雷雨成.人工神經(jīng)網(wǎng)絡(luò)在汽車變速器齒輪故障診斷中的應(yīng)用[J].汽車工程，1999，21(6) 374-378.

[5]Watanahle Y， Sharp H S. Neural network learning control of automotive aotic-e suspension systems.lnternational，lournal of Vehicle Design[J]，1999，21(2/3):124一147.

[6]Ghazizadeh A， FahimA， Cindy M E1. Neural net works rep resentation of a vehicle model:(Neuro一Vehicle[J]Intern ational，lournal of Vehicle Design， 1996，17(1)55-75

[7]F Oztiirk， Oztiirk N. Feature一basedenvironmentalissues: ne ural network based feature recognition[J].International ，lour nal of Vehicle Design，6999，21(2/3):190一205.