分会场

第六届大功率发动机国际技术交流

摘要

为了探究不同神经网络对发动机排放及性能预测建模的优劣，从双燃料发动机实验台架上获得的500组数据，任意取80%的数据作为训练集，采用BP（Back Propagation）和RBF（Radial Basis Function）两种不同方法进行预测建模；剩余的20%数据作为测试集分别进行泛化能力验证。在保持其他条件一致的情况下，通过建模难度、训练时长、预测精度、拟合优度、泛化能力五个方面对这两种神经网络进行对比。结果表明，RBF神经网络的拟合优度与模型精度更高，且建模难度更低、训练时长更短；但BP神经网络的泛化能力更好。

关键词

双燃料发动机 神经网络 排放 性能 预测建模

电子U盘全文仅限大会已缴费参会代表下载。

您还没有登录，请您先 点击这里登录