来源：期刊VIP网 时间：
作者：王亮;
单位：周口职业技术学院;
摘要：拖拉机发动机扭矩是评价变速器疲劳寿命分析、优化设计和加速寿命测试的重要指标，而现有的拖拉机发动机扭矩测量方法需要一个昂贵的扭矩传感器。为此，提出一种基于粒子群优化(PSO)和极限学习机(ELM)的拖拉机发动机扭矩预测模型。首先，采集了拖拉机发动机的试验数据，并将其分为训练集和测试集；然后，使用PSO算法优化ELM的参数，以获得更好的预测性能；最后，将优化后的ELM模型与其他机器学习模型进行比较，并使用误差指标来评估预测性能。试验结果表明：所提出的PSO-ELM模型具有更好的预测精度和泛化能力，R~2达到0.934 2,MAPE仅为0.95%,RMSE为2.10,预测值与试验值之间拟合程度较高，可以有效地用于拖拉机发动机扭矩的预测。
关键词：拖拉机;;发动机扭矩;;耕作过程;;预测模型;;机器学习
基金资助：河南省科学技术厅科学研究重点项目(20B413011)
