基于机器学习的拖拉机发动机扭矩的预测模型

拖拉机发动机扭矩实时测量需要进行大量的工作与昂贵的传感器,在农业生产中投入成本较高,不易进行广泛的推广使用。基于以上问题,采用了径向基函数(RBF)神经网络进行拖拉机发动机扭矩的预测,通过13种训练算法训练RBF神经网络模型,明确RBF神经网络模型基本结构与参数设置,并通过误差分析模型的预测性能。研究结果表明:RBF神经网络中R^(2)=0.99,RMSE=0.5,EF=0.99,预测值与试验值之间的拟合程度价高,可用于估算发动机扭矩。研究结果对于提高拖拉机发动机扭矩的预测和分析提供理论支撑与科学依据。