-
题名基于机器学习的鱼雷推进控制用镁海水电池性能预测
被引量：1
- 1
-
-
作者
刘笑达
侯建鹏
阴明
王志伟
侯利锋
卫英慧
-
机构
太原理工大学
北方自动控制技术研究所
太原科技大学
-
出处
《火力与指挥控制》
CSCD
北大核心
2020年第9期52-57,62,共7页
-
基金
山西省自然科学基金资助项目(201901D111102)。
-
文摘
针对鱼雷用镁海水电池阳极放电性能低以及传统“试错法”在材料设计中导致开发周期过长的问题。通过数据分析和机器学习的方法,采用线性回归(Linear Regression,LR),支持向量回归(Support Vector Regression,SVR)和神经网络(Multilayer Perceptron,MPL)算法对数据集进行训练建立模型,使用预测模型对镁基阳极材料的放电性能进行预测,根据预测结果制备了Mg-5.7Al-0.9Ge合金作为镁海水电池用阳极材料。最后,通过电化学实验对Mg-5.7Al-0.9Ge合金在3.5 wt%NaCl溶液中的放电性能进行验证研究,研究发现该合金分别在20 mA·cm^-2、50 mA·cm-2电流密度下,放电电位分别为-1.641 V和-1.429 V,放电效率分别为69.5%和60.4%,其放电性能优于商用镁合金阳极材料AZ61。结果表明,SVR算法建立的模型预测能力最佳,具有较高的相关系数和较低的误差,为镁基阳极材料的成分设计和快速开发问题提供指导。
-
关键词
镁海水电池
机器学习
支持向量回归
镁基阳极材料
放电性能
-
Keywords
magnesium seawater battery
machine learning
support vector regression
magnesium based anode materials
discharge performance
-
分类号
TM912
[电气工程—电力电子与电力传动]
TJ63
[兵器科学与技术—武器系统与运用工程]
-
