固体氧化物燃料电池系统仿真分析与控制

固体氧化物燃料电池（SOFC）系统是一个非线性、多变量和强耦合的系统,很难用传统的建模方法来建立。本文基于BP神经网络的方法,利用MATLAB/Simulink平台构建SOFC系统模型,并在该模型的基础上增加PID控制,实现了闭环控制系统的分析。实验结果表明,该模型预测精度高,由预测模型得出的温度数据与实际数据的绝对误差为0.011%,增加的PID控制算法具有很强的抗干扰能力。     

人工神经网络之BP模型算法实现

BP网络模型误差反向传播算法，有效的解决了权值调整问题，也是至今为止应用最广泛的神经网络。因此，本文介绍了BP的网络模型算法理论，并通过C#语言对该算法进行实现，可根据不同样本数据建立相应的BP模型，本研究具有一定的实用价值。     

平板式SOFC封接的实验研究

为了解决平板式固体氧化物燃料电池(planar SOFC)的密封问题,在大气中采用Ag-8CuO+2YSZ新型复合钎料对平板式SOFC单电池进行了封接实验,研究了YSZ((Y2O3)0 08(ZrO2)0 92)陶瓷颗粒的加入对钎缝显微组织的影响,通过多次热循环实验,以及单电池开路电压的测试对钎焊质量进行了评价.结果表明:YSZ与Ag-CuO组织结合紧密,陶瓷颗粒均匀分布在钎料基体中,有利于改善接头性能,降低接头的热膨胀不均匀性,抑制钎缝内孔洞的生成.经过15次热循环实验(200～750 ℃),单电池的开路电压稳定在1 02～1 09 V之间,证明该钎料适用于750 ℃工作的平板式SOFC的密封.     

量子进化算法在BP网络模型优化中的应用

BP网络的研究多年来主要集中于网络的结构与参数优化上,却忽略了对训练过的BP网络模型本身的优化.针对上述问题,提出了一种解决BP网络模型优化的量子进化算法.通过裙座锻造结构参数优化设计实例,表明量子进化算法较好地实现了BP网络模型的优化设计,可有效解决实际工程的优化问题.     

遗传BP算法在阻值-温度变换中的应用

利用BP网络具有任意逼近非线性函数和内插值特性,提出一种实现常用热电阻阻值-温度变换的新方法.由于BP算法的局限性,采用遗传BP算法对网络权值进行优化.仿真结果表明此方法准确、有效,具有一定的实际意义.     

固体氧化物燃料电池阳极基底预烧温度的研究

采用固相反应法制备阳极支撑型固体氧化物燃料电池的阳极基底.由于制备温度不同,导致阳极基底在与电解质共烧结过程中收缩率不同,电池出现形变.为了消除这种形变,本文改变阳极基底的烧结温度,使阳极的收缩率与电解质的收缩率相匹配,得到了阳极的最佳预烧温度.     

YSZ包覆NiO阳极的SOFC发电性能

在溶解Y2O3的盐酸溶液中,加入ZrOCl2·8H2O和NiO,采用NH3·H2O-NH4HCO3为缓冲溶液,以共沉淀法制备了YSZ包覆NiO的NiO-YSZ阳极材料.用X射线衍射仪和透射电镜,分析了所制取材料的物相和粒子粒径大小.分别以YSZ包覆的NiO和商品NiO/YSZ为阳极,LSM为阴极,制作YSZ电解质支撑的板状固体氧化物燃料电池,进行发电性能比较.结果表明,以YSZ包覆的NiO为阳极的电池,功率密度高、极限电流密度大.扫描电镜观察表明,YSZ包覆的NiO制作的阳极表面形成了网状结构,使阳极三相界面和孔隙率提高,从而提高了电池性能.     

基于多层BP网络算法的新研究

本文对多层BP网络进行了分析并对BP算法进行了数学描述,以两层神经网络为例来叙述了BP网络的训练步骤,探讨了BP算法的缺陷,由于BP算法本身固有的缺陷,所以要改进BP算法需要避免局部极小点的产生。     

基于改进BP算法的水电机组轴瓦温度预测

应用人工神经网络BP算法，对水电机组轴瓦温度与影响瓦温变化的主要因素之间的映射关系进行表达，即建立水电机组轴瓦温度预测模型，并对轴瓦温度及其变化趋势作出预测；同时对BP算法进行改进，引入误差分布函数，动量项因子和组合转移函数，在一定程度上克服原有算法的局部最小问题，获得全局最小解，而且加快了网络的收敛速度。     

基于分布参数燃料电池模型的SOFC-GT混合发电系统模拟

针对混合发电系统模拟需求,建立管式SOFC准二维分布参数模型,沿流道方向考虑传热、传质数学模型,沿电池厚度方向考虑电化学反应以及多孔电极中的多组分气体扩散。结合系统其他部件(燃气轮机、重整器、换热器等)模型,对某公司220 kW SOFC-GT混合发电系统进行模拟分析,模拟了参比工况电池参数分布,研究了可控参数(工作电压、入口燃料流率、燃料循环比率、旁路空气比率)对系统性能、状态点参数及电池参数分布的影响规律。结果表明:系统参比工况稳态运行效率在52%以上,过电位、电流密度和温度沿流道方向变化显著,明显呈现非线性趋势,燃料、固体、空气的温度也有较大差异,在系统运行特性分析中有必要采用分布参数模型以合理描述电池中发生的物理化学变化。     

BP神经网络在蜜网系统中的应用

介绍了BP算法的基本思想及其网络模型,蜜网中数据的处理流程.借鉴BP算法应用于入侵检测系统,将BP神经网络技术应用于蜜网系统中,提出了在蜜网中基于BP神经网络的数据处理模型及训练过程.     

基于BP神经网络模型的企业综合绩效评价方法研究

以平衡计分卡法为基础构建了企业综合绩效评价体系,重点介绍了BP神经网络模型在此企业综合绩效评价体系中的应用方法和步骤,最后对该方法的优缺点进行了分析.     

基于BP网络的字符识别系统设计

根据我国车辆牌照的特点,提出了基于BP神经网络识别算法。算法中将分类器分为汉字分类器,英文字母分类器,英文字母和数字混合分类器以及数字分类器四种,这种神经网络设计可以有效简化网络结构,提高识别精度和速度。由于标准BP算法具有收敛速度慢、易陷入局部极小点等缺点,对BP算法进行了改进。通过仿真实验,该字符识别系统具有较高的识别率,同时也具备了神经网络本身容错能力强,即鲁棒性好的特点。     

基于BP网络的反馈控制器设计

针对常规反馈控制器参数在对象时变情况下难以获得最优的问题，利用BP神经网络构成系统反馈控制器，通过自适应学习速率在线调整网络权值以逼近对象的逆动态模型，并利用Lyapunov方法给出了该算法的收敛的条件。将算法应用于循环水温度控制系统表明：该控制器对模型参数不依赖，能有效地适应控制对象参数的变化，系统具有较强的鲁棒性。     

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化.仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出.     

基于BP神经网络模型的高等教育学费研究

高等教育学费是当前的一个热点问题。以部分高校的相关数据作为样本,建立基于BP算法的神经网络模型。首先对样本数据进归一化处理,然后利用matlab进行模型的运算与分析,确定了高等教育学费的四个主要影响因素对学费影响程度的大小,从而得到了一个较为精确的高等教育收费数学模型。     

基于BP神经网络双燃料发动机放热率计算与试验

利用BP神经网络理论,建立预测生物制气-柴油双燃料发动机放热规律的BP神经网络模型,经试验验证,预测模型误差在工程允许范围内,可以作为一种新型的预测双燃料发动机放热规律的方法.同时研究了双燃料发动机性能参数对放热规律的影响.结果表明,转速降低,燃烧始点相对提前,放热率峰值对应相位相对提前;转速不变负荷增加时,燃烧始点相对提前,引燃柴油的滞燃期缩短,最大放热率升高,对应的曲轴转角提前,但后燃现象严重.     

基于BP神经网络的集群负载预测器

针对由于作业调入调出引起的负载突变,提出了基于通知机制的反传(BP)网络和动态滑动窗口混合预测方法,设计并实现了基于神经网络的负载预测器.该方法在发生突变时,利用动态滑动窗口均值法预测并重新训练样本,训练结束后使用新的BP模型预测.其通知机制能减少预测器的样本识别时间,模型保存机制提供了无需训练样本的机会.测试结果表明,该预测器具有较好的预测精度,能够将大部分预测值的平均误差控制在5%以内,并快速适应突变事件.