基于BP神經(jīng)網(wǎng)絡(luò)的汽車起重機(jī)油耗預(yù)測研究

《基于BP神經(jīng)網(wǎng)絡(luò)的汽車起重機(jī)油耗預(yù)測研究》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、學(xué)兔兔www.xuetutu.com杠棧第46卷l第5期總第499期基于BP神經(jīng)網(wǎng)絡(luò)的汽車起重機(jī)油耗預(yù)測研究周道良，蔡祖戈，劉彥輝，吳斌，楊國秀徐工集團(tuán)江蘇徐州工程機(jī)械研究院摘要I以油門踏板操作(行程百分比)、卷揚(yáng)手柄操作(開度百分比)及起重量作為輸入?yún)?shù)，以燃油消耗量作為輸出結(jié)果，基于BP神經(jīng)網(wǎng)絡(luò)建立針對(duì)用戶操作的汽車起重機(jī)燃油消耗量預(yù)測模型；采集汽車起重機(jī)各工況下燃油消耗量試驗(yàn)數(shù)據(jù)，對(duì)比定發(fā)動(dòng)機(jī)轉(zhuǎn)速試驗(yàn)樣本與不定發(fā)動(dòng)機(jī)轉(zhuǎn)速試驗(yàn)樣本對(duì)BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測精度的影響，并在神經(jīng)網(wǎng)絡(luò)訓(xùn)l練樣本前處理過程中引入滑動(dòng)平均法；727個(gè)預(yù)測值與目標(biāo)值的對(duì)比顯示，模型相對(duì)誤差平

2、方和為0．00031，線性回歸值為0。99949；仿真結(jié)果表明，定發(fā)動(dòng)機(jī)轉(zhuǎn)速試驗(yàn)樣本及滑動(dòng)平均法能夠顯著提高BP神經(jīng)網(wǎng)絡(luò)的泛化能力及仿真精度，從而提高汽車起重機(jī)燃油消耗量預(yù)測的精確度。關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；燃油消耗量；汽車起重機(jī)；泛化能力單位油耗是評(píng)價(jià)汽車起重機(jī)燃油經(jīng)濟(jì)性的關(guān)鍵指應(yīng)、容錯(cuò)及自學(xué)習(xí)能力，且具有以任意精度逼近任意非線標(biāo)。研究用戶操作規(guī)律，建立精準(zhǔn)的燃油消耗量預(yù)測模性函數(shù)的特性圈，是新一代信息處理工具。本文選用目前型，是降低用戶使用成本和推進(jìn)汽車起重機(jī)節(jié)能減排的廣泛使用的BP神經(jīng)網(wǎng)絡(luò)(BackPropagationNeurflNet—前提。在工程機(jī)械節(jié)能

3、減排方面，溫廷新『11等采用神經(jīng)網(wǎng)work，逆向傳播神經(jīng)網(wǎng)絡(luò))，建立針對(duì)用戶操作的汽車起絡(luò)構(gòu)建了基于外部環(huán)境參數(shù)的礦用卡車油耗模型，闡述重機(jī)燃油消耗量預(yù)測模型，并對(duì)比不同試驗(yàn)類型及試驗(yàn)了神經(jīng)網(wǎng)絡(luò)算法對(duì)模型精度的影響，取得了一些成果。然數(shù)據(jù)處理方法對(duì)神經(jīng)網(wǎng)絡(luò)泛化能力及仿真精度的影響。而，由于汽車起重機(jī)所處工作場合干差萬別，工況種類繁多，同時(shí)又受不同駕駛員操作習(xí)慣的影響，其燃油消耗量1油耗數(shù)據(jù)采集及處理變化范圍較大，且不具有確定的規(guī)律性，通過數(shù)學(xué)公式建1．1油耗數(shù)據(jù)采集模來預(yù)測其燃油消耗量一般很難取得預(yù)期效果[2j。人工神卷揚(yáng)動(dòng)作是汽車起重機(jī)的主要作業(yè)工況，對(duì)其進(jìn)行經(jīng)

4、網(wǎng)絡(luò)ANN(ArtificialNeuralNetwork)具有很強(qiáng)的自適研究具有典型及現(xiàn)實(shí)意義。本文以駕駛員的操作及起重作者簡介：周道良(1985一)，男，安徽黃山人，工程師，碩士，研究方向：工程機(jī)械節(jié)能增效技術(shù)研究與應(yīng)用。2015·51工霏缸械l23學(xué)兔兔www.xuetutu.com試驗(yàn)·研究TestandReasearch量作為試驗(yàn)因子，以發(fā)動(dòng)機(jī)燃油消耗量作為輸出結(jié)果，進(jìn)且∑Wi=1；p，g為小于m的任一正整數(shù)，且p+q+1：m；行油耗數(shù)據(jù)采集試驗(yàn)，其中駕駛員操作包含油門踏板操i=q作(行程百分比)及卷揚(yáng)手柄操作(開度百分比)，起重量為第i個(gè)數(shù)據(jù)。選用空載

5、、10t及20t三個(gè)常用起重量。試驗(yàn)現(xiàn)場如圖1采用5點(diǎn)等權(quán)重系數(shù)滑動(dòng)平均法，則式(1)簡化為：所示。y3=}(l+)一：+y，+)v_+，一5)(2)式中：YN-，，YN-，y3，Ⅳ_，y5分別為第1，N一2，N一3，Ⅳ一4，Ⅳ_一5個(gè)數(shù)據(jù)；y第A卜3個(gè)數(shù)據(jù)處理結(jié)果。采用滑動(dòng)平均法處理前后的數(shù)據(jù)曲線見圖2及圖3。蔓囊薔萎塞鏈圖1汽車起重機(jī)油耗試驗(yàn)蓑BP神經(jīng)網(wǎng)絡(luò)的泛化能力是指向已經(jīng)完成訓(xùn)練的網(wǎng)皇絡(luò)輸入新樣本數(shù)據(jù)時(shí)預(yù)測的準(zhǔn)確性，若網(wǎng)絡(luò)泛化能力弱，露將導(dǎo)致所謂的“過度吻合”現(xiàn)象[41，即將網(wǎng)絡(luò)訓(xùn)練集里一些圖2原始試驗(yàn)數(shù)據(jù)無關(guān)緊要、非本質(zhì)的東西也學(xué)會(huì)。為提高BP神經(jīng)網(wǎng)絡(luò)的

6、泛化能力，本文制定兩種不同的試驗(yàn)工況，以驗(yàn)證不同工況數(shù)據(jù)對(duì)網(wǎng)絡(luò)訓(xùn)練性能的影響。(1)模擬客戶實(shí)際作業(yè)工況(工況一)：卷揚(yáng)過程中油門踏板及卷揚(yáng)手柄按實(shí)際吊裝需求動(dòng)作。(2)定發(fā)動(dòng)機(jī)轉(zhuǎn)速作業(yè)工況(工況二)：卷揚(yáng)過程中發(fā)動(dòng)機(jī)的轉(zhuǎn)速為定值(最大轉(zhuǎn)矩點(diǎn)轉(zhuǎn)速1400r／min，額定轉(zhuǎn)窶速2200r／re_in，怠速800r／min)，卷揚(yáng)手柄按實(shí)際吊裝需件求動(dòng)作。1．2油耗數(shù)據(jù)處理實(shí)際采集的試驗(yàn)數(shù)據(jù)受數(shù)采精度、被測系統(tǒng)及測試環(huán)境影響，容易出現(xiàn)噪聲信號(hào)及局部波動(dòng)現(xiàn)象。為減少數(shù)據(jù)波動(dòng)對(duì)網(wǎng)絡(luò)訓(xùn)練精度的影響，采用滑動(dòng)平均法對(duì)數(shù)據(jù)圖3滑動(dòng)平均法處理后數(shù)據(jù)進(jìn)行圓滑化處理，即若數(shù)據(jù)長度為J

7、7、r，不斷逐個(gè)取m個(gè)數(shù)據(jù)進(jìn)行滑動(dòng)平均處理，其一般公式如下閻：2BP神經(jīng)網(wǎng)絡(luò)模型三采用Wudrow—Hoff學(xué)習(xí)算法和非線性可微轉(zhuǎn)移函(·)==Wf，(k=q+l，q+2，?，帥)(1)‘g數(shù)的多層BP神經(jīng)網(wǎng)絡(luò)，包括輸入層、多個(gè)隱含層及輸出式中(·)為測量結(jié)果；Yk為動(dòng)態(tài)測試數(shù)據(jù)；為權(quán)系數(shù)，層，各層間實(shí)現(xiàn)全連接，其核心是通過誤差逆向傳播來修24I磁i2口，55學(xué)兔兔www.xuetutu.com霏缸械第46卷I第5期總第499期正各個(gè)節(jié)點(diǎn)的權(quán)值和閾值。設(shè)BP神經(jīng)網(wǎng)絡(luò)輸入層包含(6)誤差逆向傳播各層權(quán)值修正式為：Ⅳ個(gè)神經(jīng)元，隱含層包含L個(gè)神經(jīng)元，輸出層包含個(gè)神+叼0

8、(9)經(jīng)元