基于神经网络的汽车发动机广义预测控制

简介：
本研究探讨了利用神经网络技术实现对汽车发动机的高效、精准控制方法，通过构建广义预测控制系统模型，优化发动机性能和燃油经济性。 为了改善具有非线性特性的发动机燃油控制效果并实现高效率、低污染的目标，我们采用了一种前向神经网络作为系统模型，并将其分为线性和非线性两部分处理。具体来说，非线性部分通过单隐层的BP（反向传播）神经网络进行建模，利用Davidon最小二乘法来加速学习过程并在线调整权重；而线性部分则采用CARIMA（受控自回归积分滑动平均）模型，并使用递推最小二乘法来进行参数辨识。在每一步中，我们通过将非线性系统网络模型进行线性化处理得到一个线性回归模型，并以非线性的前馈增益方式来补偿建模误差，从而建立了一种适用于非线性系统的自校正广义预测控制器。仿真实验结果表明该算法具有快速收敛特性、控制动作平稳以及理想的控制效果。