固体氧化物燃料电池的建模与仿真

 能源短缺和环境问题已成为本世纪全球面临的最重要课题,作为一种新的能源形式,固体氧化物燃料电池(SOFC)技术日益受到重视。由于现有的SOFC模型过于复杂,难以满足工程上对SOFC系统实时控制的需求,提出利用粒子群算法(PSO)优化径向基函数(RBF)神经网络,从而实现对SOFC的建模。PSO对RBF神经网络的中心值和连接权值进行优化,提高了网络的泛化性能,使其非线性逼近能力更强,从而达到精确模型的目的。仿真实验验证了粒子群算法在SOFC建模的有效性。