论文部分内容阅读
针对固体氧化物燃料电池(SOFC)建模难的现状,提出了一种基于混合pi-sigma神经网络建模的新方法.该方法通过在线修正隶属函数和结论参数,使得网络能够自主、迅速有效地收敛到要求的输入和输出关系,从而达到精确建模的目的.利用不同文献的实验数据,分别建立反应气体压力、电池温度、燃料气体组成及燃料利用率多变量的SOFC模型.应用仿真对该建模的有效性和建模精度进行了检验.最后在该混合pisigma神经网络辨识模型的基础上,分析了不同工作参数对sDFC工作性能的影响.