首页|基于BPNN在线学习预测模型的扭矩实时跟踪控制

基于BPNN在线学习预测模型的扭矩实时跟踪控制

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于大量的台架试验数据,利用反向传播神经网络(BPNN)设计了燃油喷射在线学习预测模型,结合PID反馈完成扭矩跟踪的实时控制.其中,燃油喷射BPNN预测模型采用一种实时的简化离散模型,模型的阈值可以在线学习更新,具有参数自适应性.台架试验表明,相比于固定参数的BPNN模型,提出的阈值在线学习的BPNN模型具有更高的预测精度;提出的可变阈值VTBPNN预测前馈加PID反馈控制器能够满足扭矩跟踪的实时性需求,并且相比于普通可变参数VPPID控制器,在瞬态工况干扰下鲁棒性更强,跟踪误差更小.
Real-time torque tracking control based on BPNN online learning prediction model

董延华、刘靓葳、赵靖华、李亮、解方喜

展开 >

吉林师范大学 计算机学院,吉林 四平 136000

长春金融高等专科学校 信息技术学院,长春 130028

吉林大学 汽车仿真与控制国家重点实验室,长春 130022

反向传播神经网络 人工智能 参数自适应 扭矩跟踪控制

617730092018A0102520190302105GX,2018C034-5,JJKH20190999KJ202023

2021

10.13229/j.cnki.jdxbgxb20200280

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(4)
  • 1
  • 1