基于PSO-BP神經網絡的汽油機點火提前角優化模型*

王重陽，李維奇，李岳林

（1.長沙理工大學汽車與機械工程學院，湖南長沙 410004；2.武漢理工大學，湖北武漢 430070）

基于PSO-BP神經網絡的汽油機點火提前角優化模型*

王重陽1，李維奇2，李岳林1

（1.長沙理工大學汽車與機械工程學院，湖南長沙 410004；2.武漢理工大學，湖北武漢 430070）

針對查表插值法獲取汽油機點火提前角精度不高的問題，提出了基于PSO-BP神經絡網的汽油機點火提前角優化模型，通過粒子群算法（PSO）優化BP神經網絡的權值和閾值，使BP神經網絡的收斂速度和輸出精度得到提高，并與傳統BP神經網絡模型進行了對比。對比仿真結果表明，該模型能準確獲取不同工況下的點火提前角，且精度優于傳統BP神經網絡模型，在優化發動機點火提前角的問題上具有一定的實用性和可靠性。

汽車；汽油機；粒子群神經網絡；點火提前角；優化模型

發動機點火提前角是除空燃比之外另一個直接影響其動力性、經濟性和排放性能的重要因素。目前汽油機上普遍采用查表插值方法獲得基本點火提前角，盡管該方法在計算速度上有優勢，但精度偏低。神經網絡具備強大的非線性映射能力，文獻［2］中采用最常用的誤差反向傳播（Back Propagation，BP）算法對汽油機基本點火提前角進行優化，取得了一定成果。但基于梯度下降的BP網絡本身存在收斂速度慢、易陷入局部最小等缺點。針對上述不足，該文采用PSO（Particle Swarm Optimization，PSO）算法優化BP神經網絡的初始權值和閾值，使BP網絡的收斂速度和輸出精度得到提高，進而準確獲取發動機不同工況下的點火提前角。……