基于GARBF神经网络辨识的SOFC电堆的建模.docVIP

下载本文档

10
0
约5.02千字
约 8页
2017-05-28 发布于境外
举报
版权申诉

基于GARBF神经网络辨识的SOFC电堆的建模.doc

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于神经网络辨识的电堆的建模摘要本文对固体氧化物燃料电池进行了离线非线性建模应用了径向基函数神经网络与遗传算法在建模过程中是用于对神经网络的参数进行优化优化的值作为神经网络参数的初始值我们还用梯度下降学习算法来调整参数通过仿真验证了模型的有效性和正确性通过与神经网络算法进行比较仿真结果证明在预测堆电压与不同温度时算法优于传统神经网络因此用神经网络辨识算法对建模是可行的关键字固体氧化物燃料电池径向基函数神经网络遗传算法辨识介绍与其它的燃料电池不同的是固体氧化物燃料电池的组成部分全是固体而没有液体并

基于GA-RBF神经网络辨识的SOFC电堆的建模摘要：本文对固体氧化物燃料电池（SOFC）进行了离线非线性建模，应用了径向基函数（RBF）神经网络与遗传算法。在建模过程中，GA是用于对RBF神经网络的参数进行优化，优化的值作为RBF神经网络参数的初始值。我们还用梯度下降学习算法来调整参数，通过仿真验证了模型的有效性和正确性。通过与BP神经网络算法进行比较，仿真结果证明在预测堆电压与不同温度时GA-RBF算法优于传统BP神经网络。因此用GA-RBF神经网络辨识算法对SOFC建模是可行的。关键字：固体氧化物燃料电池（SOFCs）、径向基函数（RBF）、神经网络、遗传算法、辨识 1.介绍与其它