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

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.

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

所属期刊栏目：14

分类号：TM911;TP273

资助基金：上海市科技发展项目993012013

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：836-838,843