论文部分内容阅读
提出了一种基于混合遗传算法的径向基神经网络（HGARBF）的车用汽油机过渡工况进气流量预测模型。首先设计了一种新的混合遗传算法，利用梯度算法每次迭代得到的结果来改进遗传算法的群体，将遗传算法的最优个体与梯度算法的迭代解相比较，选择其中的最优点作为梯度算法下一步迭代的起始点，运用该混合遗传算法进行径向基神经网络参数的优化，改善径向基神经网络不同初始参数对其性能的影响；然后建立了基于HGARBF网络的过渡工况进气流量的预测模型。仿真结果表明，该预测模型优于经典的进气流量平均值模型，为精确及时测试汽油机进气流量