[发明专利]一种混沌RBF神经网络汽油机进气流量预测方法

权利要求书

1.一种混沌RBF神经网络汽油机进气流量预测方法，其特征在于：包括以下步骤：

步骤1：计算进气流量的Lyapunov指数以及用功率谱方法判别汽油机的所述进气流量的混沌性；

步骤2：根据C-C方法计算所述进气流量的混沌时间序列相空间重构的最小嵌入维m，m＜2D+1，计算时间延迟τ；

步骤3：构造所述汽油机的所述进气流量的混沌优化RBF神经网络预测模型；为实现RBF神经网络的快速收敛性，必须使所述RBF神经网络的输出层连接权值w_i及隐含层基函数的中心值c_i达到全局最优；为此在试验仿真时利用混沌优化算法的遍历性确定所述RBF神经网络的所述输出层连接权值w_i及所述隐含层基函数的所述中心值c_i，使所述RBF神经网络快速达到全局最优，加快了所述RBF神经网络收敛速度，得到混沌优化RBF神经网络；

步骤4：所述混沌优化RBF神经网络的训练，使目标函数J取最小；

步骤5：确定试验数据采集方案，对采集的试验数据进行归一化处理，然后对所述试验数据进行相空间重构，利用经过所述步骤4训练好的所述混沌优化RBF神经网络预测模型对重构后的所述试验数据进行训练与预测仿真，预测结果与实际值进行对比分析。

2.根据权利要求1所述的混沌RBF神经网络汽油机进气流量预测方法，其特征在于：所述步骤3中的优化步骤，包括以下步骤：

第1步：初始化，给各标志、变量设置初值；设置优化搜索中混沌变量迭代标志k＝0，细搜索标志r＝0；初次迭代的所述混沌变量当前得到的最优所述混沌变量:z_i(0)为区间两个相异的初值，且z_i(0)≠0,0.25,0.5,0.75,1；i＝1,2,…,n；当前最优解f^*(z₁,z₂,…z_n)设为一个数值；

第2步：将映射到优化变量取值区间：

第3步：若则

第4步：

第5步：重复所述第2步、所述第3步、所述第4步,直到f^*(z₁,z₂,…,z_n)保持不变为止；

第6步：尺度变换：

第7步：作如下还原处理：

第8步：把与的线性组合作为新的所述混沌变量：

(1)将映射到优化变量取值区间：

(2)若则

(3)k＝k+1；

第9步：重复所述第8步直到f^*(z₁,z₂,…,z_n)保持不变为止：

第10步：r+r+1，减小δ的值,重复所述第6步至所述第9步若干次，当f^*(z₁,z₂,…,z_n)保持不变后结束寻优计算。

此时得到的即为最优变量，f^*(z₁,z₂,…,z_n)为最优解，对应的(a,b)^T即为混沌优化RBF神经网络预测模型的参数。

3.根据权利要求1所述的混沌RBF神经网络汽油机进气流量预测方法，其特征在于：所述步骤4包括以下训练过程：步骤A：初始化；步骤B：进行第一次载波；步骤C：进行迭代搜索；步骤D：若步骤C经过若干步迭代搜索后，J^*值最后保持不变，则按所述步骤B方法进行第二次载波，x″_i,n+1为所述第二次载波用于优化的混沌变量，不满足则返回所述步骤C；步骤E：继续迭代搜索；步骤F：若满足条件，则终止搜索，得到最优解J^*；不满足则返回所述步骤E继续迭代搜索。