1.一种基于小波神经网络的轮胎胎体温度软测量方法，其特征是：所述测量方法利用BP小波神经网络构建学习算法，BP小波神经网络模型是一个三输入、一输出的三层前向网络，隐含层层数为一，隐含层有神经元；输入分别为载荷、速度、行驶面中心点温度和行驶时间，输出为胎体内部胎肩处温度；网络隐含层激活函数采用morlet小波函数，输入层神经元基函数和激活函数均为纯线性函数，输入层第i个神经元输出为：式(1)中，xi为BP小波网络第i个输入， 为输入层的第i个神经元输出；

隐含层基函数为纯线性函数，隐含层第j个神经元的输入为：式(2)中，sj为隐含层第j个神经元的输入， 为输入层第i个神经元到隐含层第j个神经元的连接权值， 为隐含层第j个神经元的阈值；

隐含层第j个神经元的输出 为：

式(3)中，aj为隐含层第j个神经元激活函数中的尺度参数；bj为隐含层第j个神经元激活函数中的平移参数；h为隐含层神经元的激活函数，为Morlet函数，即式(4)中， aj为隐含层第j个神经元激活函数中的尺度参数；bj为隐含层第j个神经元激活函数中的平移参数；

输出层神经元的激活函数为纯线性函数，输出y为：式(5)中， 为隐含层第j个神经元与输出层神经元的连接权值；

所述学习算法为：利用变学习速率对BP小波神经网络进行训练，假设有Q组训练样本作为BP网络的学习数据，{Xq,Dq}为第q组训练样本， 为网络输入样本数据，d(q)为网络预期输出；

第q组输入样本Xq输入网络，网络输出为Yq，目标函数为网络实际输出与目标输出之间的误差平方和：(q)

式(6)中，网络输出 当网络输出只有一个时，Yq＝[y ]；

当所有Q组输入样本都输入网络，网络的总误差为：隐含层到输出层权值修正算法：

输入层到隐含层权值修正算法：

尺度参数修正算法：

平移参数修正算法：

2)BP学习算法步骤：

①选择网络各神经元之间的连接权值和阈值的初始值；

②数据预处理：对训练样本进行归一化处理；

③从归一化处理后的训练样本集中选取一组数据，输入到BP网络；

④输入数据从输入层到输出层正向传递，计算每一层神经元的输出，最终得到网络输出；

⑤计算网络输出与目标输出之间的均方误差；

⑥从学习样本集中选取另一组数据输入到BP网络，重复步骤③-④，直到学习样本集中每一组数据均计算完；

⑦按误差反向传播原则，从输出层起始到输出层，调整每一层神经元的权值和阈值，计算公式见式(8)-(11)；

⑧计算网络目标函数，若不满足要求，重复步骤③-⑥；否则终止学习；

网络学习结束后，网络参数就确定了，然后需用训练样本集外的数据测试网络误差。