基于循环神经网络的PEMFC寿命预测

摘要：

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0.0035.

关键词：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)

所属期刊栏目：50

分类号：TM911.41

资助基金：国家重点研发计划2018YFB0105303

在线出版日期：2020-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：123-126