摘要

为提高质子交换膜燃料电池(proton exchange membrane fuel cells,PEMFC)老化预测的可控性和预测精度,提出了一种基于改进的鲸鱼优化算法(improved whale optimization algorithm,IWOA)优化门控循环单元(gated recurrent unit,GRU)神经网络的PEMFC电压预测方法。采用IWOA获得GRU的最优超参数组,再利用GRU准确预测PEMFC电压。采用静态、准动态和动态工况下三组老化实验数据集,将提出的方法与反向传播神经网络、极限学习机、循环神经网络、长短期记忆神经网络、GRU和鲸鱼算法优化门控循环单元这六种方法相比较,所提出方法具有最高的老化预测和剩余使用寿命(Remaining useful life,RUL)估计精度。特别地,在静态、准动态和动态工况下,训练集占比为50%时,相比于GRU,所提出方法的预测结果的均方根误差分别降低了56.99%、35.12%和9.95%。因此,该方法能够实现高精度PEMFC老化趋势和RUL预测。

  • 单位
    现代汽车零部件技术湖北省重点实验室; 武汉理工大学; 自动化学院

全文