基于神经网络识别的SOFC-GT混合系统高度特性研究
【摘要】 在航空方面，对以甲烷为燃料的固体氧化物燃料电池（solidoxidefuelcell，SOFC）-燃气轮机（gasturbine，GT）混合动力系统展开了相应的研究。考虑到SOFCGT混合动力系统复杂的仿真模型，难以满足飞行器飞行过程中对混合动力系统实时控制的需要，本文提出了改进的量子粒子群算法（improvedquantumbehaviorparticleswarmoptimization，IQPSO）径向基函数（radialbasisfunction，RBF）神经网络模型来描述SOFCGT混合动力系统在不同高度下燃油流量与效率之间的非线性特性。同时考虑到数据来源不足，本文首先建立了以甲烷为燃料的直接内部重整SOFCGT混合动力系统的数学仿真模型，并且考虑了GT效率变化对混合动力系统效率的影响，然后基于该模型获取了IQPSORBF神经网络模型的训练和预测数据。结果表明:不考虑GT效率变化使得SOFCGT混合系统效率计算结果偏高;相对于QPSORBF神经网络模型和PSORBF神经网络模型，IQPSORBF模型能更好地预测在不同高度下
