基于QPSO改进LSTM发动机怠速预测的FPID控制OACSTPCD
Improved LSTM engine idle speed prediction FPID control based on QPSO
以北京现代伊兰特G4GD发动机为试验台,将电控系统故障作为实验变量,测得规定时间内双传感器组合发生故障时的发动机怠速,并选原车ECU较难控制的6种组合怠速故障进行分析.基于量子粒子群算法(QPSO)对长短时记忆神经网络(LSTM)隐含层节点、训练次数与学习率进行寻优预测,将预测结果与多种神经网络进行对比,并通过均方根误差(RMSE)评价指标进行判断.使用Origin数据拟合将预测输出结果进行数值拟合,之后输入Matlab中使用Simulink搭建…查看全部>>
Taking Beijing Hyundai Elantra G4GD engine as the testing bench,and the electronic control system fault as the experimental variable,the engine idle speed when the dual sensor combination fails within the specified time is measured,and six combined idle speed faults that are difficult to control by the original vehicle ECU are selected for the analysis.Based on the quantum particle swarm optimization(QPSO)algorithm,the hidden layer nodes,training times and l…查看全部>>
赵晴;潘江如;董恒祥;郭鸿鑫
新疆农业大学 交通与物流工程学院,新疆 乌鲁木齐 830052新疆工程学院 控制工程学院,新疆 乌鲁木齐 830023新疆农业大学 交通与物流工程学院,新疆 乌鲁木齐 830052新疆农业大学 交通与物流工程学院,新疆 乌鲁木齐 830052
电子信息工程
发动机怠速量子粒子群优化算法长短时记忆神经网络模糊PID控制故障分析时间序列预测
fuel engine idlequantum particle swarm optimization algorithmlong short-term memory neural networkfuzzy PID controlfault analysistime series prediction
《现代电子技术》 2024 (8)
75-82,8
评论