基于BP人工神经网络的汽车整备质量预测方法研究

詹庆涛 庄蓓蕾 邓世询

摘 要：将汽车的重要参数如变速箱形式，驱动形式，车长，车宽，车高等作为影响因素，将汽车整备质量作为神经网络的输出，利用BP人工神经网络预测模型来预测整车的整备质量，并对该模型的预测准确性进行检验。

关键词：神经网络;汽车;整备质量;预测准确性

1 引言

汽车整备质量作为汽车的重要参数，对汽车的排放，油耗及其他性能有重要影响。同时，重量是整车及零部件开发的重要性能輸入，合理设定整备质量目标可以避免零件过设计、节约物料成本，也能有效防止项目后期出现超出架构能力的问题。因此，建立高效准确的重量预测模型对于汽车前期的性能开发具有十分重要的意义。

整备质量预测的难点在于，车辆设计前期尚无实物车和数据模型可供测量，输入项仅为有限的整车设计参数。这些设计参数如车型，轴距以及车的安全性要求等都会对整车重量产生影响，但如何根据这些参数和要求预测出汽车的重量，目前仍缺乏可靠研究。

因此，本文将对参与汽车重量预测的参数进行筛选，并通过有限的整车参数来建立整车重量模型。

2 研究现状

众所周知，预测是将现实问题数学化，通过恰当的数学模型对已知数据进行拟合，得到数据之间相应的数值映射关系，从而实现预测功能。常用的预测方法有多元线性回归，克里金法，神经网络模型等。

影响汽车整备质量的设计参数较多，且与整备质量之间不一定为线性关系，因此，本文拟选用神经网络工具来建立汽车整备质量预测模型。……