基于一种改进的RBF神经网络的直接甲醇燃料电池建模

摘要

针对直接甲醇燃料电池(DMFC)系统过于复杂,难以数学建模。应用一种改进的 RBF 神经网络对 DMFC 系统进行辨识建模。模型以甲醇的浓度和流速为神经网络辨识模型的输入量,电池电压/电流密度为输出量,利用 1000 组实验数据作为训练和测试样本,建立了不同甲醇浓度和流速下电池电压/电流密度动态响应模型。应用仿真对建模的有效性和精度进行了检验,并与 BP 神经网络辨识的效果进行了对比。仿真结果证明 RBF 神经网络比 BP 神经网络收敛得快,建模精度高,从而为设计 DMFC 实时控制系统奠定了基础。