CAJ | 학술논문

针对发动机具有非线性、时变性的特点以及采用常规神经网络辨识时的过学习等问题,提出基于支持向量机(SVM)的发动机模型辨识方法.该方法以大量实测数据为基础,采用结构风险最小化准则(SRM),保证网络具有很强的推广特性.以MATLAB为平台,依据实测试验数据,研究核函数、损失函数及惩罚参数对系统辨识精度的影响,确定各参数对模型精度影响的程度.在充分考虑各参数之间交互作用的前提下,利用循环嵌套查找方法,获得使支持向量机网络辨识精度达到最优时的各参数值,并以此建立发动机转矩及油耗模型.研究结果表明:基于支持向量机的发动机模型具有较强的泛化能力,为实现发动机与传动系统共同工作的最佳匹配控制奠定了基础.
침대발동궤구유비선성、시변성적특점이급채용상규신경망락변식시적과학습등문제,제출기우지지향량궤(SVM)적발동궤모형변식방법.해방법이대량실측수거위기출,채용결구풍험최소화준칙(SRM),보증망락구유흔강적추엄특성.이MATLAB위평태,의거실측시험수거,연구핵함수、손실함수급징벌삼수대계통변식정도적영향,학정각삼수대모형정도영향적정도.재충분고필각삼수지간교호작용적전제하,이용순배감투사조방법,획득사지지향량궤망락변식정도체도최우시적각삼수치,병이차건립발동궤전구급유모모형.연구결과표명:기우지지향량궤적발동궤모형구유교강적범화능력,위실현발동궤여전동계통공동공작적최가필배공제전정료기출.