基于GAELM算法的燃料电池性能预测模型
文档名：基于GAELM算法的燃料电池性能预测模型
摘要：为减少燃料电池堆耐久性能试验物料成本,提升耐久性能预测效率,利用燃料电池堆稳态耐久性试验数据,基于遗传算法(GA)-极限学习机(ELM)算法结合神经网络与遗传算法,搭建燃料电池稳态耐久性能预测模型.该模型为双输入[时间和电流(或电流密度)]单输出(电压).利用试验数据对建立的模型进行训练与验证,发现该模型具有较高的预测精度.将GA-ELM模型与长短记忆网络(LSTM)模型对比,在预测精度(误差2%左右)相当的情况下,GA-ELM模型计算时间仅为LSTM模型的1/5.搭建的预测模型具有较好的通用性、较高的稳定性和精度.
作者：刘智宇 郝冬 张妍懿 侯永平 Author：LIUZhi-yu HAODong ZHANGYan-yi HOUYong-ping
作者单位：同济大学汽车学院,上海201804中汽研新能源汽车检验中心(天津)有限公司,天津300300
刊名：电池 ISTICPKU
Journal：BatteryBimonthly
年，卷(期)：2023, 53(3)
分类号：TM911.4
关键词：燃料电池堆稳态性能预测极限学习机(ELM)神经网络
Keywords：fuelcellstacksteadystateperformancepredictionextremelearningmachine(ELM)neuralnet
机标分类号：O646TM911.4U469.722
在线出版日期：2023年7月20日
基金项目：国家重点研发计划基于GA-ELM算法的燃料电池性能预测模型[
期刊论文]电池--2023, 53(3)刘智宇郝冬张妍懿侯永平为减少燃料电池堆耐久性能试验物料成本,提升耐久性能预测效率,利用燃料电池堆稳态耐久性试验数据,基于遗传算法(GA)-极限学习机(ELM)算法结合神经网络与遗传算法,搭建燃料电池稳态耐久性能预测模型.该模型为双输入[时间...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于GA-ELM算法的燃料电池性能预测模型Fuel cell performance prediction model based on GA-ELM algorithm
基于GA-ELM算法的燃料电池性能预测模型.pdf
页:
[1]