[发明专利]一种混沌RBF神经网络汽油机进气流量预测方法

摘要

本发明提供一种混沌RBF神经网络汽油机进气流量预测方法，包括以下步骤：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；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；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；4)所述混沌优化RBF神经网络的训练，使目标函数J取最小；5)确定试验数据采集方案；该预测模型具有较快的收敛速度及较高的预测精度，能够准确地预测未来时刻进汽油机气流量，解决了进气流量传感器的传输延迟及其测量不准确等问题而引起空燃比偏差的难题，提高了瞬态空燃比控制系统的快速响应能力，为控制系统精度提高奠定了扎实的基础。

主权项

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wi及隐含层基函数的中心值ci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wi及所述隐含层基函数的所述中心值ci，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。