基于改进磷虾群算法优化Elman神经网络的PEMFC电堆建模

摘要：

质子交换膜燃料电池(PEMFC)电堆的优化控制需要有精确的电堆模型.现有的基于Elman神经网络建立的PEMFC电堆模型已具有较好的精度,但是此种电堆模型仍然存在容易陷入局部极值、结果无法重现等问题.考虑可以将自适应莱维飞行和偏好随机游动两种机制引入基本磷虾群(Krill Herd,KH)算法,得到一种改进的磷虾群(Improved Krill Herd,IKH)算法用以优化神经网络的初始参数,进而建立基于IKH-Elman网络的PEMFC电堆模型.仿真结果表明,IKH算法用于优化神经网络可同时保证更高的寻优精度和更快的收敛速度;在预测的精度和稳定性上此种电堆模型也具有一定的优势.

关键词：PEMFC电堆模型、Elman神经网络、磷虾群算法、改进、自适应莱维飞行、偏好随机游动

所属期刊栏目：58

分类号：TM911.4

资助基金：中央科研基本业务费资助项目PA2018GDQT0021

在线出版日期：2021-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：23-27