CN113988296B 一种基于bp神经网络的燃料电池建模方法 （中国科学院大连化学物理研究所）_第1页
CN113988296B 一种基于bp神经网络的燃料电池建模方法 （中国科学院大连化学物理研究所）_第2页
CN113988296B 一种基于bp神经网络的燃料电池建模方法 （中国科学院大连化学物理研究所）_第3页
CN113988296B 一种基于bp神经网络的燃料电池建模方法 （中国科学院大连化学物理研究所）_第4页
CN113988296B 一种基于bp神经网络的燃料电池建模方法 （中国科学院大连化学物理研究所）_第5页
已阅读5页，还剩9页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明提供一种基于BP神经网络的燃料电网格搜索法分别对单隐含层和双隐含层的神经的神经网络；采集其他同操作条件(不同于训练集和验证集的操作条件)下燃料电池的输出电的燃料电池输出电压，为系统控制提供决策支2S3：通过网格搜索法分别对单隐含层和双隐含层对于所述双隐含层BP神经网络，其输入层神经元个数等于操作条件神经元个数为1，第一隐含层神经元个数范围为1～50，第二隐含层神经元个数范围为1~3[0002]输出性能是燃料电池最重要的指标之一，而操作条件对其有着至关重要的作etal.EnergyConversionandManagement,2021,228:113727.)建立了一个三维多组分TheElectrochemicalSociety,2014,161:E3138-E3148)通过CFD技术研究了工作条件和间，难以在线使用。在人工智能模型方面，文献(Nanadegani,FereshtehSalimi,et于该模型研究了不同电流下的最大/小输出电压。类似地，文献(Li,etal.JournalofPowerSources,2020,461:228154)通过CFD理论模型生成实验数据，用来训练深度置信神45员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范90其余的为验证集。具体的训练集的数量通过具体的需求进行选择和确定。作为优选6[0045]首先将采集到的数据按照9:1的比例分配到训练集和验证集，随后在训练集上进7

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论