Детальная информация
Название | Нейросетевая аппроксимация характеристик двигателя внутреннего сгорания // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Сер.: Информатика. Телекоммуникации. Управление: научное издание. – 2016. – |
---|---|
Авторы | Серикова Елена Андреевна; Сериков Сергей Анатольевич |
Организация | Санкт-Петербургский политехнический университет Петра Великого |
Выходные сведения | Санкт-Петербург: Изд-во Политехн. ун-та, 2016 |
Коллекция | Общая коллекция |
Тематика | Энергетика; Двигатели внутреннего сгорания; нейросетевая аппроксимация; математическое моделирование; нейронные сети; аппроксимация данных; топливная экономичность; интеллектуальный анализ данных; токсичность отработанных газов; скоростные характеристики; рабочие процессы двигателей; транспортные средства |
УДК | 621.43 |
ББК | 31.365 |
Тип документа | Статья, доклад |
Тип файла | |
Язык | Русский |
DOI | 10.5862/JCSTCS.252.6 |
Права доступа | Свободный доступ из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\37650 |
Дата создания записи | 16.03.2017 |
Для создания математических моделей сложных технических объектов наиболее предпочтительным является подход, использующий аппроксимацию экспериментальных данных. В качестве инструмента аппроксимации целесообразно применять системы интеллектуального анализа данных, в частности, системы нечёткого вывода и искусственные нейронные сети (ИНС). Представлены результаты применения ИНС прямого распространения для построения математической модели двигателя внутреннего сгорания. Математическая модель создана путём аппроксимации следующих исходных данных: скоростных характеристик двигателя внутреннего сгорания, показателей экономичности и токсичности отработавших газов. В процессе вычислительных экспериментов исследована зависимость ошибки аппроксимации характеристик двигателя от структуры и параметров модели. Созданная модель позволяет в дальнейшем решать задачи анализа и оптимизации рабочих процессов двигателя на задаваемых тягово-скоростных режимах транспортных средств.
The most preferable approach to develop mathematical models of complex technical objects is based on experimental data approximation. It is reasonable to use data mining systems, in particular, fuzzy inference systems and artificial neural networks (ANN) as an approximation tool. The article presents the results of applying a feedforward ANN to developing a mathematical model of an internal combustion engine. The mathematical model is developed through approximating the following basic data: internal combustion engine speed characteristics, efficiency and exhaust toxicity indicators. During computing experiments, the approximation error of the engine characteristics versus the model structure and parameters has been investigated. The developed model allows to solve further problems connected with analysis.
Количество обращений: 530
За последние 30 дней: 18