基于BPNN的发动机停机相位预测研究

作者：姚国仲; 徐小鸿; 王贵勇^*; 邓冬荣; 路璐

来源：传感器与微系统, 2023, 42(09): 52-60.

DOI：10.13873/J.1000-9787(2023)09-0052-04

• 反向传播神经网络
• 位置同步
• 增量式编码器
• 停机相位

为避免柴油发动机启动阶段因建立喷油时序而在寻找信号特征齿上花费过多时间，基于反向传播神经网络(BPNN)建立了发动机停机相位预测模型。以某双缸柴油机停油时转速和负荷为输入，单片机和增量式编码器为核心计算的原有曲轴位置传感器“失信点”后的相对相位变化为输出，建立了BPNN停机相位预测模型。预测结果表明：模型决定系数和修正决定系数均大于0.91,平均相对误差为5.9%,模型对于发动机停机过程中不可信点至静止期间转过的相对角度具有预测性，可作为发动机再启动阶段相位快速同步和判缸的首选方式。

• 出版日期2023
• 单位昆明理工大学