2                0。005                 0。575              75

          3                0。006                 1                 100

          4                0。007                 2                 125

4。2   Construction of BP neural network 

The  oil  consumption  model  is  accurate  for  calculation, but is time-consuming。 A trained neural network model can greatly  reduce  the  computation  time  and  improve  the efficiency  without  sacrificing  the  accurac。  Therefore, the  cylinder  oil  consumption  model  is  reconstructed  using the  BP  neural  network  model。  The  built  BP  network  is pided  into  three  layers:  input  layer,  hidden  layer  and 论文网

output layer。 Three neurons of the input layer are the e/B of the  top  ring,  the  closed  gap  of  the  second  piston  ring  and the stretch force of oil ring。 One neuron in the output layer is the cylinder oil consumption after removing the cylinder liner wall evaporation。 BP  network  with  a  single  hidden  layer  can  approximate an  arbitrary  continuous  nonlinear  function。  So  a  single hidden  layer  is  adopted。  The  neuron  number  in  the  hidden layer  directly  affects  the  nonlinear  predictive  performance of  the  network。  According  to  the  Kolmogorov  theoremand  after  a  lot  of  trials,  the  neuron  number  in  the  hidden layer  of  network  is  decided  to  be  7。  The  linear  function purelin  is  chosen  as  the  transfer function of  the  neurons  in 

the hidden layer。 A linear function purelin is also chosen as the transfer function of the output neurons。 In order to expedite  the  training  convergence  of  the  network  and 

prevent  falling  into  a  local  minimum,  the  gradient  descent algorithm  with momentum  is  used  as  the  learning  and training  algorithm。  The  neural  network  model  is  shown in Fig。 13。 

64  groups  of  calculated  data  are  obtained  from  64 schemes  given  in  Table  3,  which  will  be  used  as  the required  samples  of  the  neural  network。  64  samples  are pided  into  two  parts,  in  which  58  samples  are  used  to train  the  BP  network  and  the  other  six  groups  are  used  to test it。 

Table 3。   Comparison between calculated and predicted

values of the BP network model

Order         Cc/(g • h−1)       Cp/(g • h−1)         Er/%