基于BP神经网络模型的发动机怠速预测控制
| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-6页 |
| 1 绪论 | 第6-12页 |
| ·问题的提出 | 第6-7页 |
| ·怠速控制发展状况与研究现状 | 第7-11页 |
| ·本文的主要研究内容 | 第11-12页 |
| 2 发动机测量系统介绍 | 第12-16页 |
| ·测量系统的组成 | 第12-15页 |
| ·测控系统使用过程简介 | 第15-16页 |
| 3 基于BP神经网络的系统辨识 | 第16-33页 |
| ·神经网络基本理论 | 第16-20页 |
| ·引言 | 第16页 |
| ·神经元的数学模型 | 第16-17页 |
| ·前向人工神经网络的构成 | 第17-18页 |
| ·多层前向神经网络的误差反向传播(EBP)算法 | 第18-20页 |
| ·系统辨识 | 第20-22页 |
| ·基于神经网络的系统辨识 | 第22-23页 |
| ·多层前向网络的逼近能力 | 第23-26页 |
| ·用神经网络组成的动态系统表示非线性系统的可能性 | 第26-28页 |
| ·神经网络辨识发动机怠速模型可行性结论 | 第28页 |
| ·系统辨识的输入信号--最大长度伪随机双电平信号 | 第28-30页 |
| ·获得发动机怠速系统辨识数据 | 第30-33页 |
| 4 用BP神经网络建立发动机怠速模型 | 第33-50页 |
| ·基于BP网络的系统辨识的步骤 | 第33页 |
| ·确定神经网络的输入、输出层 | 第33-35页 |
| ·神经网络学习算法比较 | 第35-41页 |
| ·标准BP算法 | 第35-36页 |
| ·附加动量的BP算法 | 第36-37页 |
| ·附加动量BP算法仿真分析 | 第37-40页 |
| ·学习速率可变的BP算法 | 第40页 |
| ·学习速率可变BP算法仿真分析 | 第40-41页 |
| ·神经网络的初始权值对学习过程的影响 | 第41-43页 |
| ·神经网络隐层神经元个数设计 | 第43-44页 |
| ·神经网络泛化性能 | 第44-50页 |
| 5 怠速预测控制 | 第50-59页 |
| ·动态矩阵预测控制原理 | 第50-56页 |
| ·预测模型 | 第50-53页 |
| ·最优控制率计算 | 第53-54页 |
| ·预测控制系统的参数选择 | 第54-56页 |
| ·基于神经网络发动机怠速模型DMC预测控制的仿真 | 第56-59页 |
| 6 全文总结 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-63页 |
