基于自适应PSO优化的空燃比神经网络预测控制-论文.pdf

《基于自适应PSO优化的空燃比神经网络预测控制-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第39卷第5期西南师范大学学报(自然科学版)2014年5月Vo1．39No．5JournalofSouthwestChinaNormalUniversity(NaturalScienceEdition)May．2014文章编号：1000～5471(2O14)5—0064—05基于自适应PSO优化的空燃比神经网络预测控制①周叙国，王伟。1．贵州丁业职业技术学院电子与信息工程学院，贵阳550008；2．中州大学信息_[程学院，郑州450044摘要：为解决空燃比传输延迟的问题，该文提出一种基于自适应扩展粒子群优化的空燃比预测控制策略．采用多

2、粒子策略来提高算法的全局收敛性，通过对控制参数的自适应调整来加快算法的收敛速度．在多粒子策略中，每个粒子的更新受更多其他粒子的影响；在自适应策略中，控制参数随着迭代次数的增加而逐渐减小．以HQ495发动机为实验对象，仿真结果表明在节气门小范围变化时，空燃比误差低于1；在节气门大范围变化时，空燃比误差低于2．该方法实现了对空燃比的精确预测控制，有效地改善了汽油机过渡工况排放性能．关键词：空燃比；自适应粒子群优化；神经网络；预测控制；过渡工况中图分类号：TP273．2文献标志码：A随着社会的发展，汽油机在我们日常生产生活中扮演着越来越重要

3、的作用，其对燃油的利用效率成为了一个重要的研究课题．空燃比是衡量汽油机燃料利用效率的一个重要指标_1]．汽油机空燃比的理论值为14．7比1，意思是14份空气与一份燃油相混合，只有实际中的空燃比非常接近该理论值才能使燃油利用效率达到最佳．然而，现实生活中汽油机对燃料的利用是不充分的，尤其是处于过渡工况时．目前，已有很多关于汽油机处于过渡_T况时的研究，但是存在着如下问题：①空燃比信号采集存在延迟问题．汽油机在实际运行过程中，在我们利用氧传感器检测气缸内气体时，这时我们得到的是已燃烧过的气体成分，必然就会造成信号反馈的滞后，进而影响到空燃

4、比的控制精度l_3]．②汽油机油膜的性能问题．燃油从油膜蒸发进入气缸和以蒸汽形式直接进入气缸比例的动态变化将会影响到空燃比[4]．③实际进入气缸空气的测量问题．当空气进入气缸时，气门会发生突变，就出现充排气现象，从而影响安装在气门的空气流量传感器气体测量的准确性．④燃油喷射的时序特性．气缸内的进油量是根据进气量进行确定的，而氧传感器测量的是前一个_T作循环中空气成分的测量值，另一个气门的开和关对进气量的测量也会造成影响l6j．目前，关于空燃比计算的问题还存在很多偏差．基于以上分析，为实现空燃比精确预测控制，改善汽油机过渡工况排放性能，

5、本文提出了一种基于自适应扩展粒子群优化(AEPSO)的空燃比神经网络预测控制策略．采用多粒子策略提高其全局收敛性，使每个粒子的更新受更多其他粒子的影响；采用自适应策略提高收敛速度，对参数C。进行自适应调整，使C。随着代数的增加逐渐减小，从而加快PSO算法的收敛速度．运用该算法实现对空燃比BPNN预测控制的优化，给出了该算法的的稳定性证明．空燃比的精确预测控制对改善汽油机过渡工况排放性能、提高燃油利用率具有重要意义．1基于AEPSo优化的预测控制1．1AEPSO算法建立基于以上分析，本文提出了基于粒子群优化(PSO)算法的自适应扩展粒子

6、群优化(AEPS())算法，其①收稿日期：20J3—07—16作者简介：周叙围(1971一)，男，贵州织金人，硕士，副教授，主要从事人工智能研究第5期周叙国，等：基于自适应PSO优化的空燃比神经网络预测控制65基本思想为考虑多粒子和自适应群算法，建立算法模型．粒子群优化是先对空间中的粒子进行初始化，在这个特定的空间内，每个粒赋予初始位置和初始速度，通过对2个“极值”的不断跟踪实现对粒子自身位置和速度的更新，最终达到寻优的目的．该算法具有全局收敛速度快的特点，通过以下公式对(AEPS())自适应扩展群优化算法进行描述．+一c。．+∑．(

7、p一)+∑叩。．(一)(1)il一】zz十+1(2)+l＆(3)。。b—ElgNJ。在式(1)中，v(k)，v(k+1)，z，川分别代表粒子当前速度、更新后速度、当前位置和更新后的位置；在是时刻，P和P分别代表第i个局部极值和所有粒子第i个局部极值，一．()，一C一(忌)，通过式(1)和基本PSO公式可以得到，对于粒子速度和位置，通过个体极值和局部极值来实现粒子的参数更新．粒子搜索空间缩小为非线性，这里通过式(3)对控制参数C。进行更新，经过大量的实验得出控制参数C。的最终值，在式(3)中，常数n一0．6，b一1，N表示当前迭代次数．

8、AEPSQ算法充分利用多粒子的迭代寻优信息，从而使得粒子的全局收敛性和收敛速度得到提高．PSO算法仅仅是AEPSO算法中和均取l且C取固定值时的一个特例，当所取的控制参数满足以下条件时，AEPSO算法一定收敛．>：(1一