摘要
本发明属于神经网络预测领域,具体涉及一种汽车湿式双离合器空载状态下带排转矩的预测方法。本发明提出了一种基于传统湿式离合器带排转矩模型和粒子群优化反向传播(PSO‑BP)神经网络的混合模型,并通过试验数据提高模型精度。应用本发明的湿式离合器带排转矩预测方法,可以准确预测高转速下湿式离合器带排转矩的回升变化,预测结果相较于传统模型更加准确。相较于传统带排转矩机理模型,本发明的混合预测模型有更高的计算效率和更优异的稳定性。
技术关键词
汽车湿式双离合器
BP神经网络模型
多片湿式离合器
混合预测模型
极值
神经网络训练
表达式
试验台
样本
数据
训练集
阶段
高转速
方程
摩擦片
粒子
工况
系统为您推荐了相关专利信息
紫砂器
特征采集方法
特征提取模型
关键点
图像处理
信号重构方法
故障传感器
检测核电厂
多传感器
极值
生成对抗网络
旋转机械故障
EEMD算法
特性评价值
数据分布
天然气
关断条件
BP神经网络模型
计算机程序指令
工况