自适应神经模糊推理系统在汽车发动机转速预测中的应用

作者:袁宇鹏;杨璐溦;刘洋 刊名:新型工业化 上传者:冯怀章

【摘要】研究发动机转速对于提升汽车性能具有重要的理论意义与实用价值。本文针对汽车发动转速的测试领域提出了一种基于自适应神经模糊推理系统(ANFIS,Adaptive neural-network-based fuzzy inference system)的发动机转速预测方法,构建了以加速踏板位置与发动机节气门位置作为输入,发动机转速作为输出的二输入一输出ANFIS网络。并通过针对CAN总线实时采集的实验数据作为网络训练样本,在Matlab平台上对于不同隶属度函数数量的ANFIS网络进行性能对比。仿真结果表明,当ANFIS隶属度函数数量为5时,本系统能够实现较优的测试效果,且训练时间较短。

全文阅读

0引言发动机转速是汽车行驶过程中的一项关键数据。在研究发动机性能和展开相关实验时,精确记录和分析发动机转速值具有十分重要的理论价值与实际意义。实验过程中,研究与发现汽 车其他各项参数与发动机转速值间的关联关系,有利于进一步精确掌握汽车的整车性能。自适应神经模糊推理系统(Adaptiveneural-network-basedfuzzyinferencesystem,ANFIS)是一类结合人工神经网络与模糊推理技术的新型智能算法ra,具有自学习、融合专家知识的双重优势。ANHS系统在汽车领域巳经有了广泛的应用,在汽车主动悬架仿真[2]、汽油机排放预测[31、汽车电子稳定控制、传感器数据处理【5]、永磁电机控制[61等方面均有着优良的效果。本文采用ANFIS算法对于汽车发动机速度进行预测,并进行相应的仿真分析。1自适应神经网络模糊推理LIL2L3L4L5“jnJ"J系统典型的ANFIS系统的结构如图1所Y,示[”。图中所示的ANFIS系统为2-输入’_/一KJ*1-输出的五层结构网络。该系统包含两^(^)~z~?‘h条Takagi-Sugeno模糊模型的if-then规“"‘2TT则组成的推理规则,方形节点为有参数属性自适应节点,圆形节点为无参数属图1AN闩S系统的典型结构性节"点;。Fig.1TraditionalstructureofANFIS…M^丨^,丨^D一第厂层:用于模糊化输人变量X和7。每个节点均为拥有特定节点函数的自适应节点,本文以高斯模型作为隶属度函数[8]:(^-c,,i)2A4W=es,,x(少-CA1)2"s/少)=eSj'2其中,/=1,2,_/=1,2。A:和7为网络节点输人,3u,^,2,和?2分别表示模糊隶属度函数的前件参数的参数集。层的节点输出函数可写成:Oi(x)=MA(x)(3)o)(y)=^B.(y)(4)上式中,01,和0)为节点输出,表示节点输人;c和y对于為与易的隶属度。第&层:通过以累乘(n)表示固定节点,z2层的输人是本层输入信号的乘积,如下式:Of=wi=fiAj(x)-JuB(y)(5)第仏层:本层中标以#的固定节点,节点的输出是激励强度与规则库中的激励强度之和的比值,将模糊规则归一化:-wi第层:本层的节点为带有节点函数的自适应节点:of=wJi=iv;(ptx+qty+rt),i=l,2(7)上式中灼,q,和G为ANFIS的后件参数。第&层:本层的节点为规则总输出:s2_i=f=y^lWifi==2,1=1'2(8)/=1 综上可知,在给定前件参数的情形,可通过后件参数来线性表示ANFIS网络输出:f=(wix)pl^{^y)qx+(Wj)r,+(w2x)p2+{w2y)q2+(w2)r2(9)2发动机转速预测实验2.1基于CAN总线的数据采集本文的数据来源于实验测试过程中CAN总线的数据采集[91,采集装置如图2所5^:示。图中A为调试用笔记本电脑(运行软件Canoe8.2,Vector,German),B为程控电源VH1150(VeCtor,German),C为发动机笪i1丨丨系统(EMS),D为CANCase收发器(Vector,German)o通过CAN总线模块采集了20000组图2基于CAN总线数据采集不意图,.、,,,^Fig.2SchematicofCANbusbaseddata发动机气门位置、加速踏板位置与发动机转速实验数据,选取其中200组进行仿真研究,所选数据如图3所示。2.2ANFIS的预测实验本文基于MATLAB(R201laf11平台进行ANFIS网络训练,将加速踏板

参考文献

引证文献

问答

我要提问