基于BP神经网络的发动机怠速模型

journal6 ›› 2005, Vol. 26 ›› Issue (4): 89-91.

基于BP神经网络的发动机怠速模型

(南京理工大学自动化系，江苏南京 210094)

出版日期:2005-10-15 发布日期:2012-09-17
作者简介:彭富明(1965-),男，江苏宜兴人,硕士,南京理工大学自动化系讲师,主要从事自动化测试技术的研究.
基金资助:
南京理工大学科研基金资助项目（AB41415）

The Idle Speed Model of Engine Based on BP Neural Network

(Department of Automation,Nanjing University of Science & Technology,Nanjing 210094，Jiangsu China）

Online:2005-10-15 Published:2012-09-17

摘要/Abstract

摘要：发动机怠速模型是发动机怠速控制的基础.发动机怠速工况具有非线性特性.利用BP人工神经网络建立了发动机怠速模型，并利用实际发动机系统测得的怠速转速数据作为神经网络学习样本数据.理论分析和仿真研究均表明了该方法的有效性.

关键词： , 发动机, 非线性系统, 神经网络, 怠速

Abstract: The model of engine idle speed is the base of engine control.It is nonlinear model.Neural network is used to model the idle speed of engine.The actual data of engine are used as neural network training data.The effectiveness of the presented method is demonstrated by the simulation results and theoretical analysis.

Key words: engine, nonlinear system, neural network, idle speed

彭富明. 基于BP神经网络的发动机怠速模型[J]. journal6, 2005, 26(4): 89-91.

PENG Fu-Ming. The Idle Speed Model of Engine Based on BP Neural Network[J]. journal6, 2005, 26(4): 89-91.

[1]	叶海燕. 基于卷积神经网络的特定目标文本情感分析模型[J]. 吉首大学学报（自然科学版）, 2024, 45(1): 24-29.
[2]	王宇, 张诗茹, 张渝佶, 周立群. 比例时滞神经网络的全局多项式镇定性[J]. 吉首大学学报（自然科学版）, 2022, 43(3): 15-25.
[3]	李家稳, 王崇旭, 王浩. 基于神经网络的桥下开挖竖向位移预测[J]. 吉首大学学报（自然科学版）, 2022, 43(2): 53-59.
[4]	王雨嫣, 廖柏林, 彭晨, 李军, 印煜民. 递归神经网络研究综述[J]. 吉首大学学报（自然科学版）, 2021, 42(1): 41-48.
[5]	李钰，段明秀，宋思思，李翅. 基于深度学习SSD模型的人数统计技术[J]. 吉首大学学报（自然科学版）, 2020, 41(2): 19-22.
[6]	伍逸凡，朱龙娇，石俊萍. 人工神经网络在信息过滤中的应用[J]. 吉首大学学报（自然科学版）, 2019, 40(3): 17-22.
[7]	张永胜，肖林. 二次最小化问题的有限时间递归神经网络求解[J]. 吉首大学学报（自然科学版）, 2019, 40(2): 21-26.
[8]	贺电，谭渡渡，何海零，邹晟，钟佳辰，王庭婷. 基于气象大数据的配网故障数量预测[J]. 吉首大学学报（自然科学版）, 2019, 40(1): 53-56.
[9]	王军. 安徽省某地区中长期电力负荷预测[J]. 吉首大学学报（自然科学版）, 2018, 39(6): 46-49.
[10]	丁李，曾水玲，熊涛. 基于BP神经网络的湘西民间方块苗文特征提取方法[J]. 吉首大学学报（自然科学版）, 2018, 39(5): 14-18.
[11]	韦建波，张栋柱，罗浩杰，谭惠，韦涛. 基于改进的RBF神经网络的配电网故障诊断模型[J]. 吉首大学学报（自然科学版）, 2018, 39(1): 54-58.
[12]	赵超越，张友华. 小麦赤霉病神经网络和偏最小二乘预测模型[J]. 吉首大学学报（自然科学版）, 2017, 38(4): 47-52.
[13]	向秋红,廖柏林,马川. 新型递归神经网络求解时变矩阵Moore-Penrose逆[J]. 吉首大学学报（自然科学版）, 2017, 38(3): 31-35.
[14]	白金，鲍健. 基于工业以太网的污水处理控制系统设计[J]. 吉首大学学报（自然科学版）, 2017, 38(3): 36-39.
[15]	汪思成，肖林，严慧玲. 基于不同误差函数的神经网络求解线性方程组[J]. 吉首大学学报（自然科学版）, 2016, 37(6): 26-28.