论文研究 基于混沌RBF神经网络的汽油机进气流量预测研究.pdf

针对汽油机进气流量的多维非线性特性，提出了一种混沌径向基（RBF）神经网络的汽油机进气流量预测模型。证明了汽油机进气流量时间序列具有混沌特性，对采集的原始数据进行相空间重构，利用RBF神经网络对重构后的数据进行训练和预测，并利用混沌算法确定输出层连接权值和隐含层高斯函数径向基中心，使其达到全局最优，加快了RBF神经网络的收敛速度。仿真结果表明，与空气进气流量平均值模型、RBF神经网络预测模型比较，该模型具有更高的预测精度，为精确及时测试汽油机进气流量提供了一种全新的软件测量方法。