基于SSA-GRNN的汽油机过渡工况进气流量预测研究

打开文本图片集

【摘要】针对过渡工况下汽油机进气流量预测难度较高的问题，构建了一种基于麻雀搜索算法（SSA）优化广义回归神经网络（GRNN）的进气流量预测模型。该模型利用SSA算法对GRNN的平滑因子进行寻优辨识，并采用斯皮尔曼法和对比分析法提取模型的特征参数，以达到较好的预测精度和泛化性能。运用过渡工况进气流量样本数据对模型进行训练和预测，结果表明：在加减速工况下，SSA-GRNN模型预测值的平均相对误差均小于1%；相较于BP、RBF和GA-SVR进气流量预测模型，SSA-GRNN模型具有更高的预测精度和泛化性能，更加适用于汽油机过渡工况进气流量的预测。（剩余14912字）