摘要：质子膜燃料电池(PEMFC)工作被认为是21世纪最有希望的绿色发电技术,其原理涉及热力学、电化学、流体力学、传质学等理论,形成一个非线性复杂系统,难以建立数学模型;因此,利用模糊逻辑系统和人工神经网络具有为非线性系统建模的较强的逼近能力以及自学习能力,采用自适应神经模糊算法,建立PEMFC温度特性模型;利用测试数据作为训练样本,在氢气压力给定的条件下,以空气(或氧气)压力和冷却水作温度为模型的输入量,电池的工作温度为输出量,建立了3种不同PEMFC温度特性模型;表明该方法具有简单、可行、精度高等优点。并为PEMFC控制系统的设计和电池性能的优化提供了基本依据。

摘要：常规能源短缺的今天,开发利用新型清洁、绿色能源已成为各国科学家共同追求的目标。质子膜燃料电池(PEMFC)以其高功率密度,启动迅速,无污染等优点成为21世纪首选清洁能源系统。但其原理涉及热力学、电化学、流体力学、传质学等理论,形成一个非线性复杂系统,难以建立数学模型。因此,采用一种动态自适应网络即最近邻聚类径向基函数神经网络,它能够动态调节网络的规模和参数,具有较强的逼近能力以及自学习能力。并利用测试数据作为训练样本,在氢气流速给定的条件下,以空气(或氧气)压力和冷却水流速作为模型的输入量,电池的电压为输出量,建立了在工作温度为60℃和80℃时的PEMFC电特性模型。表明该方法具有简单、可行、精度高等优点。并为PEMFC控制系统的设计和电池性能的优化提供了基本依据。

摘要：质子膜燃料电池(PEMFC)工作被认为是21世纪最有希望的绿色发电技术,其原理涉及热力学、电化学、流体力学、传质学等理论,形成一个非线性复杂系统,难以建立数学模型。因此,该文利用模糊逻辑系统和人工神经网络具有为非线性系统建模的较强的逼近能力以及自学习能力,采用了自适应神经模糊算法,建立PEMFC温度特性模型;利用测试数据作为训练样本,在氢气压力给定的条件下,以空气(或氧气)压力和冷却水作温度为模型的输入量,电池的工作温度为输出量,建立了三种不同PEMFC温度特性模型。表明该方法具有简单、可行、精度高等优点。并为PEMFC控制系统的设计和电池性能的优化提供了基本依据。