车用燃料电池空压机性能预测研究
提出了在实验数据基础上利用BP神经网络以及支持向量的方法对空压机进行性能预测的方法.研究结果表明:两种方法在高转速时的预测结果要比低转速时的预测结果更加贴近实验数据,与实验数据的相对误差小些;在相同转速下的高流量时的预测效果要比低流量时的预测效果好;支持向量预测的数据相比于BP神经网络预测的数据更加贴合实验样本,能够以更高的精度逼近空压机的工作曲线.上述工作为车用燃料电池系统空压机的性能预测提供了理论指导,同时也为研究车用燃料电池系统的动态特性提供参考.
车用燃料电池系统空压机、特性曲线、支持向量机、BP神经网络
41
TH452(气体压缩与输送机械)
国防科技创新基金资助项目18-163-13-ZT-001-001-04
2020-10-20(万方平台首次上网日期,不代表论文的发表时间)
共4页
22-25