论文部分内容阅读
针对影响支持向量机辨识性能的核函数及相关参数，找出使辨识结果最佳的核函数；结合两种措施改进粒子群算法，优化相关参数，选择最佳的参数组合。对比BP神经网络和支持向量机对发动机起动过程的辨识结果，得到支持向量机的辨识精度和收敛时间优于BP神经网络，与起动数据基本一致。在训练样本存在噪声的情况下，验证了所建辨识模型具有很强的泛化能力。基于所建模型，计算了发动机的起动性能，其结果与起动数据吻合较好。该方法对发动机起动性能计算具有一定的理论指导和应用价值。