基于改进的GRNN的固体氧化物燃料电池辨识模型研究 (2013年)

固体氧化物燃料电池（SOFC）作为一种新的能源形式，日益受到重视.针对SOFC系统过于复杂，现有的理论电压模型存在明显不足的特点，绕开了SOFC的内部复杂性，利用经过粒子群算法（PSO）优化的广义回归神经网络（GRNN）对SOFC系统进行辨识建模.以氢气流速为神经网络辨识模型的输入量，电流/电压为输出量，建立SOFC在不同氢气流速下的电池电流/电压动态响应模型.仿真结果表明所建模型能基本表示出SOFC系统的电流/电压的动态响应，说明利用GRNN建模的有效性，所建模型精度也较高.