基于GA-ELM算法的燃料电池性能预测模型
Battery Bimonthly（2023）
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.
更多关键词
fuel cell stack,steady state performance prediction,extreme learning machine(ELM)neural net
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要