首页> 中文学位 >柴油机磨合过程中油液光谱数据算法研究
【6h】

柴油机磨合过程中油液光谱数据算法研究

代理获取

目录

文摘

英文文摘

第1章 绪论

1.1 课题的目的和意义

1.2 目前国内外的研究现状

1.2.1 神经网络在光谱预测中的研究现状

1.2.2 神经网络在光谱预测中的应用现存问题

1.3 论文结构安排

第2章 磨合过程及油液光谱分析

2.1 磨合理论

2.1.1 磨合机理

2.1.2 影响磨合质量的因素

2.1.3 磨合过程的评定

2.2 油液光谱分析

2.2.1 油液光谱分析步骤

2.2.2 柴油机油样采集

2.2.3 光谱分析技术

2.3 本章小结

第3章 基于神经网络及其遗传优化的预测方法

3.1 BP神经网络原理和结构模型

3.1.1 基于BP算法的多层感知器模型

3.1.2 网络误差与权值调整

3.1.3 BP算法的不足及改进

3.2 RBF神经网络原理及主要参数的算法

3.2.1 RBF神经网络原理

3.2.2 RBF神经网络主要参数的学习算法

3.2.3 RBF神经网络主要参数的常用算法

3.3 GA-RBF神经网络原理及算法

3.3.1 GA-RBF神经网络原理

3.3.2 GA-RBF神经网络算法

3.4 本章小结

第4章 柴油机磨合过程中的油液光谱预测

4.1 实验方法及结果分析

4.1.1 实验方法

4.1.2 结果分析

4.2 BP神经网络的油液光谱预测

4.2.1 BP神经网络的主要参数构建

4.2.2 结果与讨论

4.3 RBF神经网络的油液光谱预测

4.3.1 RBF神经网络预测方法设计

4.3.2 结果与讨论

4.4 GA-RBF神经网络的油液光谱预测

4.4.1 GA-RBF神经网络的权值过程:

4.4.2 结果与讨论

4.5 本章小结

第5章 结论与展望

5.1 结论

5.2 展望

参考文献

致谢

研究生履历

展开▼

摘要

磨合质量的优劣直接关系到柴油机后续的运行状态及使用寿命,故在其投入运营之前必须进行磨合评定。油液光谱分析技术是磨合评定的有效手段之一,通过油液光谱数据预测可实现柴油机磨合过程的评定。目前常用的油液光谱数据预测模型有曲线拟合、时间系列、Kalman滤波、灰色预测、模糊模型等,但柴油机磨合过程中油液光谱数据往往是非线性变化的,上述预测模型尚不能适应油液光谱数据的非线性变化,造成预测精度低,从而限制了在柴油机磨合过程中的运用。因此,开展柴油机磨合过程中油液光谱数据预测算法研究,建立有效的油液光谱数据预测模型,不仅具有一定的理论意义,亦可为柴油机磨合评定提供新方法,具有重要的应用价值。
   本文以柴油机磨合过程中油液光谱数据为研究对象,开展神经网络预测算法研究,应用BP神经网络、RBF神经网络及GA-RBF神经网络建立柴油机磨合过程中油液光谱数据预测模型,为柴油机磨合的评定提供新方法。
   本文尝试应用条样拟合方法对实测油液光谱数据进行拟合,以获取足够的训练样本和测试样本,训练和测试神经网络。测试样本的预测结果表明,所建立的BP神经网络、RBF神经网络及GA-RBF神经网络预测精度均较高。
   本文应用所建立的神经网络对柴油机磨合过程中油液光谱待测数据进行预测,结果发现,BP神经网络和RBF神经网络均可用于柴油机磨合过程中油液光谱数据预测,但二者均存在一定的不足:BP算法精度低,收敛速度较慢;RBF算法收敛速度快,但精度仍偏低。
   为克服RBF算法初始权值随机选择的盲目性所造成精度偏低的问题,保留其收敛速度快的优点,本文应用遗传算法对RBF算法进行优化,建立了GA-RBF神经网络。研究结果表明,GA-RBF神经网络实测数据预测精度可达到85%以上,可对柴油机磨合过程中油液光谱数据变化趋势进行短期预测。
   本文研究结果可为柴油机磨合评定提供新方法,亦可为研究油液光谱数据长期预测模型奠定理论基础,具有一定理论意义和应用价值。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号