循环神经网络模型及应用,循环神经网络应用举例

学校让写关于Atkinson循环发动机人工神经网络模型的研究的论文

[摘要] 用GT-Power软件建立了压缩比为10.6的1.8L的Otto循环发动机仿真模型，并在此基础上建立用于Atkinson循环发动机设计和优化的人工神经网络模型。

应用拉丁超立方采样算法进行实验设计，用GT-Power对各实验点进行计算，得到用于神经网络训练和测试的实验数据集。

通过MATLAB/GT-Power耦合的自动化平台进行训练和测试数据的采集以及神经网络建模和优选。

结果表明，建立的Atkinson循环发动机神经网络模型具有较高的预测精度，可用于Atkinson循环发动机的进一步设计和优化工作。

关键词：Atkinson循环发动机；实验设计；神经网络；MATLAB/GT-Power耦合平台　 　A Study on the Artificial Neural Network Model for an Atkinson Cycle Engine[ Abstract] The model for a l. 8L Otto cycle engine with a compression ratio of 10. 6 is built with GT-Power software, based on which an artificial neural network ( ANN) model is established for subsequent design and optimization of an Atkinson cycle engine. A design of experiment ( DOE) with Latin hypercube sampling algorithm is performed and all experimental points are calculated by GT-Power to obtain the experimental dataset for ANN training and test. The collection of training and test data as well as the modeling and selection of ANN model are camed out by using MATLAB/GT-Power coupling platform. The results show that the ANN model established for Atkinson cycle engine has good prediction accuracy and can be used for the further design and optimization of Atkinson cycle engine.Keywords: Atkinson cycle engine; design of experiments; neural network; MATLAB/GT-Power coupling platform前言由于Atkinson循环发动机采用复杂的铰链机构，应用成本高而没有受到重视。

近年来，可变气门正时( variable valve timing，VVT)机构的广泛应用和混合动力轿车的逐渐普及，对Atkinson循环发动机的研究越来越多。

Atkinson循环发动机采用比传统Otto循环发动机更大的几何压缩比，因而须利用进气门推迟关闭降低有效压缩比以避免爆燃。进气门推迟关闭又会减小有效排量，降低发动机的动力性能。

此外，进、排气门重叠角、进气门推迟角、几何压缩比和点火角等交互影响发动机的爆燃倾向，以至于影响发动机最终的动力性能和燃油经济性。

设计和操作变量间高度耦合并交互影响发动机的动力性和燃油经济性，增加了确定最佳的几何压缩比和进行操作参数优化的难度。若完全通过GT-Power计算或反复的卖验进行设计和优化，则较为繁琐且成本较高。

人工神经网络( artificial neural network，ANN)是一种模拟人脑学习机制的人工智能技术，具有高度非线性的特点，可以用来建立精确的发动机数学模型，并作为GT-Power的替代模型用于发动机性能预测，和用于操作变量的优化。

本文中介绍了原型Otto循环发动机的GT-Power建模，并利用拉丁超立方采样算法进行仿真实验设计