基于改进RBF神经网络模型的SOFC性能预测方法

作者：余可春^*

来源：计算技术与自动化, 2023, 42(02): 124-129.

DOI：10.16339/j.cnki.jsjsyzdh.202302023

• 固体氧化物燃料电池
• 性能预测模型
• 微观结构
• 径向基神经网络
• 改进果蝇算法

固体氧化物燃料电池(SOFC)测试存在费用高、实施困难以及耗时长等问题，因此，提出了一种基于径向基(radial basis function, RBF)神经网络的SOFC建模方法。首先采用数据驱动的方式利用RBF神经网络模型对电池中阳极、阴极、电解质厚度等微观结构对SOFC性能的影响进行分析，然后针对RBF神经网络模型参数选取困难、易陷入局部极值的问题，提出一种改进果蝇算法(improved fruit fly optimization algorithm, IFOA)对其进行优化，自动确定模型参数的同时确保其收敛于全局最优解。仿真结果表明，所提方法能够准确描述微观结构变化对SOFC性能的影响，相对于支撑向量机(support vector machine, SVM)模型能够获得更高的预测精度。

• 单位
  惠州城市职业学院