基于RBFNN的DMFC温度建模与神经模糊控制研究

• 作者: 戚志东 曹广益 朱新坚
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 直接甲醇燃料电池 径向基函数神经网络(RBFNN) 模糊遗传算法(FGA) 最近邻聚类算法
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 信息、控制、决策与仿真
• 页码范围: 126-129,137
• 页数: 5页
• 分类号: TP183
• 字数: 4361字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-731X.2007.01.034

摘要

为了提高燃料电池的发电性能,直接甲醇燃料电池(DMFC)堆的运行温度应该控制在一个合适的范围内.简单介绍了利用RBF神经网络基于实验的输入输出数据建立DMFC电堆温度模型的方法,避开了电堆的内部复杂性;在控制过程中,将训练好的网络模型作为DMFC控制系统的参考模型,采用一种改进的模糊遗传算法(FGA)在线对神经模糊控制器的参数进行自适应调整,采用最近邻聚类算法(NNCA)对控制器的模糊规则库进行更新.在仿真实验中,将所提出的算法与非线性PID和传统模糊算法进行比较,结果表明所设计的神经模糊控制器具有较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戚志东	南京理工大学自动化学院	24	97	6.0	8.0