来源：期刊VIP网 时间：
作者：谢清华;李岳林;张五龙;陈侗;尹钰屹;
单位：长沙理工大学湖南省工程车辆安全性设计与可靠性技术重点实验室;长沙理工大学汽车与机械工程学院;
摘要：为了提高汽油机点火提前角预测的精确性，从而改善发动机性能，构建了一种基于麻雀搜索算法（SSA）优化最小二乘支持向量机（LSSVM）的点火提前角预测模型。该模型通过SSA对LSSVM的正则化参数c和核函数参数σ进行优化辨识，提高模型自身的鲁棒性与泛化能力，使LSSVM的预测性能和泛化性均都达到最佳。运用汽油机试验数据对模型进行训练和预测，并将仿真结果分别与反向传播（BP）神经网络模型、径向基核函数（RBF）神经网络模型进行横向对比分析。仿真结果表明：SSA-LSSVM模型的预测值与试验值的平均相对误差（MRE）控制在2.5%范围之内，与常规的BP预测模型、RBF预测模型相比，MRE分别下降2.35%和1.56%，表明SSA-LSSVM模型具有更高的预测精度，更加适用于汽油机点火提前角预测。
关键词：汽油机;;点火提前角;;麻雀搜索算法;;最小二乘支持向量机;;优化辨识
基金资助：国家自然科学基金资助项目（51176014）
