資源描述：
《基于神經(jīng)網(wǎng)絡(luò)模型的si發(fā)動(dòng)機(jī)afr非線性模型預(yù)測控制》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號(hào)：TP273單位代碼：10183研究生學(xué)號(hào)：2013522121密級(jí)：公開吉林大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）基于神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測控制AFRofSIEnginesNonlinearPredictControlBasedonNeuralNetworkModel作者姓名：張英朋專業(yè)：模式識(shí)別與智能系統(tǒng)研究方向：非線性模型預(yù)測控制指導(dǎo)教師：孫曉東副教授培養(yǎng)單位：通信工程學(xué)院2016年6月未經(jīng)本論文作者的書面授權(quán)，依法收存和保管本論文書面版本、電子破本的任何單位和個(gè)人，均不得對(duì)本論文的全部或部分內(nèi)容
2、進(jìn)行任何形式的復(fù)制、修改、發(fā)行、出租、改編等有礙作者著作權(quán)的商業(yè)性使用（但純學(xué)術(shù)性使用不在此限）。否則，應(yīng)承擔(dān)侵權(quán)的法律責(zé)任。吉林大學(xué)碩古學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)—Ｆ，獨(dú)立進(jìn)行研究Ｘ作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均己在文中Ｌｉ：■明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：口期：年月日————————
3、—————————————————————————基于神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測控制—————————————————————————————————AFRofSIEnginesNonlinearPredictControlBasedonNeuralNetworkModel_____________________________________________________________________作者姓名：張英朋專業(yè)名稱：模式識(shí)別與智能系統(tǒng)指導(dǎo)教師：孫曉東副教授學(xué)位類別：工學(xué)碩士答辯日期：2016年
4、月日摘要摘要基于神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測控制隨著全球汽車保有量的迅速增長，汽車尾氣污染問題也隨之日益加劇，各國相繼制定了嚴(yán)格的尾氣排放標(biāo)準(zhǔn)。研究表明，尾氣排放與發(fā)動(dòng)機(jī)空燃比（Air-fuelratio，AFR）密切相關(guān)。對(duì)此研究精確有效的發(fā)動(dòng)機(jī)AFR控制方法已經(jīng)成為各國學(xué)者研究的焦點(diǎn)。目前針對(duì)發(fā)動(dòng)機(jī)AFR控制，廣泛采用的方法是MAP圖加PI反饋的控制方法。該方法的實(shí)現(xiàn)需要進(jìn)行大量的標(biāo)定實(shí)驗(yàn)。同時(shí)在發(fā)動(dòng)機(jī)瞬態(tài)工況下,無法達(dá)到精準(zhǔn)控制AFR的目的。本文以神經(jīng)網(wǎng)絡(luò)模型辨識(shí)火花點(diǎn)火（Sparkignition，SI）
5、發(fā)動(dòng)機(jī)模型為基礎(chǔ)，提出了一種基于神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測控制方法。主要研究內(nèi)容如下：本文工作重點(diǎn)是針對(duì)SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測控制中的尋優(yōu)問題，提出了一種既約（Reduced）Hessian可行線搜索序列二次規(guī)劃（Sequentialquadraticprogramming，SQP）優(yōu)化算法，有效克服了神經(jīng)網(wǎng)絡(luò)模型內(nèi)部參數(shù)無法利用的問題。該方法基于線搜索SQP優(yōu)化算法，引入了既約Hessian思想和改進(jìn)可行性下降方向的技術(shù)，將求解子問題轉(zhuǎn)化成求解一系列線性方程問題，大大降低了算法的計(jì)算量，同時(shí)也保證了算
6、法的充分下降；為了有效地避免算法陷入Marotos效應(yīng)，算法對(duì)搜索方向進(jìn)行了高階校正。本文對(duì)該算法的全局收斂性及收斂速度進(jìn)行了嚴(yán)格的理論證明。以本文所提出的既約Hessian可行線搜索SQP優(yōu)化算法為基礎(chǔ)，提出了一種基于神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測控制方法。利用徑向基（Radialbasisfunction，RBF）神經(jīng)網(wǎng)絡(luò)模型和多層感知（Multi-layerperceptron，MLP）神經(jīng)網(wǎng)絡(luò)模型對(duì)SI發(fā)動(dòng)機(jī)AFR系統(tǒng)建模。為了得到AFR系統(tǒng)的全部動(dòng)態(tài)特性，SI發(fā)動(dòng)機(jī)AFR系統(tǒng)的激勵(lì)信號(hào)選擇隨機(jī)幅值序列（R
7、andomamplitudesequence，RAS）信號(hào)。采用漸消記憶遞推最小二乘（Recursiveleastsquares，RLS）算法對(duì)神經(jīng)網(wǎng)絡(luò)模型權(quán)向量進(jìn)行訓(xùn)練。同時(shí)保證發(fā)動(dòng)機(jī)參數(shù)變化的在線自適應(yīng)更新。利用本文所提算法進(jìn)行仿真實(shí)驗(yàn)，仿真實(shí)驗(yàn)充分說明了所提算法的有效性。I吉林大學(xué)碩士學(xué)位論文關(guān)鍵詞：空燃比，非線性模型預(yù)測控制，神經(jīng)網(wǎng)絡(luò)模型，序列二次規(guī)劃IIAbstractAbstractAFRofSIEnginesNonlinearPredictControlBasedonNeuralNetworkModelWithth
8、eglobalcarownershipincreasingquickly,thevehicleexhaustpollutionalsobecomingseriously,Countrieshaveenactedstrictemissionsstandards.R
