基于广义回归神经网络的发动机动力性、经济性预测

神经网络是当前最主要的智能控制技术，它是模拟人脑的结构以及对信息的记忆和处理功能，具有擅长从输入输出数据中学习有用的知识的特性。发动机性能预测是根据发动机结构参数和运转参数来估算推测发动机的各种性能指标，因此可以利用神经网络的学习性的特点，借助神经网络，将各种影响汽油机燃烧过程的主要参数对汽油机的非线性影响以网络模型的形式表示出来。本文讨论了如何抛开数学建模的方式，选用广义回归神经网络进行发动机动力性、经济性的预测，并应用了MATLAB软件工具箱编程，给出一个两缸电控汽油发动机的动力性、经济件预测模型的实例。     

应用于城市公交的钒电池纯电动车仿真分析

在利用ADVISOR软件建立了钒电池电动公交车能量存储系统和车身模型等主要部件和其他各部件的仿真模型的基础上,设定了各个部件的主要参数。选定标准道路行驶工况进行仿真分析,分析其整车动力性、经济性和排放性能。通过对仿真数据进行分析,阐明钒电池动力公交车的合理性及前景。