基于径向基函数神经网络的燃料电池温度非线性建模与预测

被引：14

作者：

沈承

曹广益

朱新坚

机构：

[1] 上海交通大学电子信息学院自动化系

[2] 上海交通大学电子信息学院自动化系上海

[3] 上海

来源：

系统仿真学报 | 2002年 / 07期

关键词：

熔融碳酸盐燃料电池(MCFC); 建模; 径向基函数(RBF); 神经网络; 系统辨识;

D O I：

暂无

中图分类号：

TM911.4 [燃料电池];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

针对现有的熔融碳酸盐燃料电池(MCFC)模型过于复杂的弊端,本文应用RBF神经网络辨识方法建立了MCFC的温度非线性模型。简要分析了MCFC电堆的温度特性;讨论了应用RBF神经网络进行多输入/多输出非线性系统建模的主要问题,并详细给出了其辨识结构、算法和模型训练方案;应用仿真对建模的有效性和建模精度进行了检验,并与BP神经网络辨识的效果进行了对比。仿真结果证明RBF神经网络远比BP神经网络收敛得快,应用RBF神经网络辨识方法对MCFC电堆建模是可行的,它避免了用复杂的微分方程组来描述MCFC,通过神经计算可快速地MCFC电堆建模是可行的,它避免了用复杂的微分方程组来描述MCFC,通过神经计算可快速地得到其输入输出特性,它为MCFC温度的在线预测和在线控制奠定了基础。

引用

页码：836 / 838+843 +843

页数：4