基于循环神经网络的PEMFC寿命预测

作者：欧明阳^*; 杨代军; 张存满

来源：电池, 2020, 50(02): 123-126.

DOI：10.19535/j.1001-1579.2020.02.005

• 质子交换膜燃料电池(PEMFC)
• 剩余使用寿命
• 循环神经网络(RNN)
• 门控循环单元(GRU)

在长短期记忆(LSTM)循环神经网络(RNN)的基础上,通过减少控制门的数量,引入门控循环单元(GRU) RNN。利用质子交换膜燃料电池(PEMFC)在动态循环工况下的耐久性测试数据,训练、验证RNN模型,并对PEMFC的剩余使用寿命进行预测。基于GRU所得的预测结果,能准确跟随实际电压值的变化,在计算速度和准确度方面优于LSTM。在电流密度为0.71 A/cm2时,预测结果的均方误差可达0.003 5。

• 单位
  同济大学