期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GA-ELM算法的燃料电池性能预测模型
被引量：
6
1
作者
刘智宇
郝冬
+1 位作者
张妍懿
侯永平
《电池》
CAS
北大核心
2023年第3期243-247,共5页
为减少燃料电池堆耐久性能试验物料成本,提升耐久性能预测效率,利用燃料电池堆稳态耐久性试验数据,基于遗传算法(GA)-极限学习机(ELM)算法结合神经网络与遗传算法,搭建燃料电池稳态耐久性能预测模型。该模型为双输入[时间和电流(或电流...
为减少燃料电池堆耐久性能试验物料成本,提升耐久性能预测效率,利用燃料电池堆稳态耐久性试验数据,基于遗传算法(GA)-极限学习机(ELM)算法结合神经网络与遗传算法,搭建燃料电池稳态耐久性能预测模型。该模型为双输入[时间和电流(或电流密度)]单输出(电压)。利用试验数据对建立的模型进行训练与验证,发现该模型具有较高的预测精度。将GA-ELM模型与长短记忆网络(LSTM)模型对比,在预测精度(误差2%左右)相当的情况下,GA-ELM模型计算时间仅为LSTM模型的1/5。搭建的预测模型具有较好的通用性、较高的稳定性和精度。
展开更多
关键词
燃料电池堆
稳态性能预测
极限学习机(ELM)神经网络
在线阅读
下载PDF
职称材料
题名
基于GA-ELM算法的燃料电池性能预测模型
被引量：
6
1
作者
刘智宇
郝冬
张妍懿
侯永平
机构
同济大学汽车学院
中汽研新能源汽车检验中心(天津)有限公司
出处
《电池》
CAS
北大核心
2023年第3期243-247,共5页
基金
国家重点研发计划(2021YFB4001005)。
文摘
为减少燃料电池堆耐久性能试验物料成本,提升耐久性能预测效率,利用燃料电池堆稳态耐久性试验数据,基于遗传算法(GA)-极限学习机(ELM)算法结合神经网络与遗传算法,搭建燃料电池稳态耐久性能预测模型。该模型为双输入[时间和电流(或电流密度)]单输出(电压)。利用试验数据对建立的模型进行训练与验证,发现该模型具有较高的预测精度。将GA-ELM模型与长短记忆网络(LSTM)模型对比,在预测精度(误差2%左右)相当的情况下,GA-ELM模型计算时间仅为LSTM模型的1/5。搭建的预测模型具有较好的通用性、较高的稳定性和精度。
关键词
燃料电池堆
稳态性能预测
极限学习机(ELM)神经网络
Keywords
fuel cell stack
steady state performance prediction
extreme learning machine(ELM)neural net
分类号
TM911.4 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GA-ELM算法的燃料电池性能预测模型
刘智宇
郝冬
张妍懿
侯永平
《电池》
CAS
北大核心
2023
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
