[发明专利]点火提前角预测系统及其方法

权利要求书

1.一种点火提前角预测系统，其特征在于，该系统包括：

信号采集单元，采集影响点火提前角的发动机转速、负荷和冷却水温参数；

处理器，连接并接收信号采集单元的信号，利用粒子群优化RBF模型分析处理信号采集单元的参数信号输出发动机的点火提前角；

显示终端，连接处理器，接收并显示处理器处理输出的点火提前角结果。

2.根据权利要求1所示的点火提前角预测系统，其特征在于，所述信号采集单元包括转测量发动机转速的速传感器、测量发动机负荷的测功器和测量发动机内部冷却水温度的温度传感器。

3.根据权利要求1所示的点火提前角预测系统，其特征在于，所述处理器包括数据库，数据库中包括点火提前角的试验数据，数据库中的数据用于粒子群优化RBF模型的机器训练。

4.根据权利要求1所示的点火提前角预测系统，其特征在于，所述显示终端包括显示器和输入键盘，显示器用于显示处理器输出的结果，输入键盘用于工作人员输入指令和更改指令。

5.一种点火提前角预测系统的方法，其特征在于，该方法步骤包括：

步骤一、建立RBF模型，利用粒子群算法优化训练RBF模型参数，得到最优模型；

步骤二、改变发动机负荷，记录发动机待测参数数据和点火提前角；

步骤三、采用粒子群优化RBF模型对待测发动机参数进行分析预测，输出最优点火提前角；

步骤四、输出的点火提前角信息结果显示在显示终端上；

步骤五、点火提前角和对应的发动机参数数据存入数据库。

6.根据权利要求5所述的点火提前角系统的方法，其特征在于，所述步骤三中的待测发动机参数包括发动机的转速参数、负荷参数和冷却水水温参数，分别是由转速传感器、测功器和温度传感器测量得到的。

7.根据权利要求5所述的点火提前角系统的方法，其特征在于，所述步骤三中的粒子群优化RBF模型的步骤包括：

初始化粒子群: 确定粒子群的规模，初始位置和速度，根据约束条件对每个粒子初始化；

计算每一个粒子的目标函数值，即所要优化函数的值；

更新每一个粒子a 的位置局部最优值Pbest和全局最优值Gbest；

更新每一个粒子a的飞行速度和位置；

判断数据是否达到RBF模型标准，达到标准跳出循环，并计算相关系数，否则返回的步骤B ，直到满足迭代的次数；

返回最优a 的值，并将最优化的参数传递给RBF模型。

8.根据权利要求5所述的点火提前角系统的方法，其特征在于，所述RBF模型的建立包括三个部分：

RBF神经网络构建，隐层节点的“基”构成隐层空间，确定RBF的中心和映射关系；

RBF神经网络训练，以目标函数最小化为准则对隐层各个节点的中心点与偏差以及输出权值进行调整修正；

RBF神经网络识别， RBF神经网络模型输入测试数据。