您的位置: turnitin查重官网> 工程 >> 电力工程 >试述向量基于支持向量机SOFC系统逆动力学建模与制约查抄袭率怎么

试述向量基于支持向量机SOFC系统逆动力学建模与制约查抄袭率怎么

收藏本文 2024-04-09 点赞:18706 浏览:74954 作者:网友投稿原创标记本站原创

摘要:固体氧化物燃料电池(SOFC)是一种高效、清洁的新型燃料电池,在热电联供、分布式发电、交通运输、移动电源甚至军事等领域都有着广泛的运用前景。对于缓解能源危机、保护人类的存活环境、满足人类社会对电力的需求以及保障国家安全都具有十分重大的作用。目前国内外对SOFC的探讨主要集中在化工、材料、结构等方面,对SOFC制约方面的探讨还比较少,但它又是SOFC的实用化、产业化前必须解决的不足。针对以上不论文主要做了以下探讨工作:1.针对SOFC电堆对象,基于电化学论述,能量守恒论述以及Nernst方程建立了SOFC电堆模型。基于本论文所建立的SOFC电堆模型,浅析了温度、压力、电流、燃料利用率、燃料组分等因素对SOFC输出性能的影响。通过对象动态历程的相关浅析,获得SOFC系统的温度和电压的动态响应特性。2.在基于最小二乘支持向量机(LSSVM)的系统建模历程中,模型的每次更新都需要进行一次矩阵求逆,难以用于复杂系统的在线辨识。同时考虑到SOFC系统的复杂性,本论文采取一种递推最小二乘支持向量机(RLSSVM)策略建立SOFC系统逆动力学模型,该算法利用递推最小二乘算法(RLS)在线调整LSSVM的权向量和偏移量,通过修剪算法减少支持向量个数,实现了SOFC对象逆动力学模型的在线辨识。3.针对SOFC具有较强的非线性且常规成熟线性制约论述不适用的难点,本论文将基于RLSSVM逆动力学模型的自适应逆制约案例引入到SOFC系统制约探讨中。在这种自适应逆制约机制中,逆模型通过RLS算法更新,制约器依据ε-滤波进行在线调整。通过逆动力学模型在线辨识,同时考虑到温度和电压的耦合作用,实现SOFC系统温度和电压的综合制约。本论文仿真试验结果表明加压运转或是提升温度运转都可以有效提升SOFC输出特性,氢气比例越高则阳极氢气分压越高,可以有效提升理想电势,在运转历程中燃料利用率一般保持一个恒定值;氢气流量和电流的突变会导致电压有个突变历程,然后逐渐收敛到稳定值,温度响应则是一个逐渐收敛的历程;基于RLSSVM建立的SOFC系统逆模型具有非常高的精度和良好的在线辨识能力,可以有效的避开SOFC内部的复杂性,所建立的自适应逆制约系统具有较好的制约性能以及能够实现温度和电压的综合制约。关键词:最小二乘向量机论文SOFC论文自适应逆制约论文逆动力学论文

    摘要3-4

    ABSTRACT4-9

    1 绪论9-23

    1.1 课题背景及作用9-10

    1.2 燃料电池的原理、特点及分类10-13

    1.3 固体氧化物燃料电池13-17

    1.3.1 SOFC 的工作原理14-15

    1.3.2 SOFC 的类型及系统组成15-17

    1.4 SOFC 模拟和制约探讨近况17-21

    1.4.1 SOFC 建模的探讨近况18-19

    1.4.2 SOFC 制约的探讨近况19-21

    1.5 自适应逆制约21-22

    1.6 本论文的探讨内容22-23

    2 SOFC 系统模型及特性浅析23-38

    2.1 SOFC 的输出特性23-24

    2.2 SOFC 系统动态模型24-28

    2.2.1 Nernst 方程24-25

    2.2.2 热模型25

    2.2.3 电极极化25-27

    2.2.4 SOFC 电堆输出电压27-28

    2.3 静态性能浅析28-32

    2.3.1 温度的影响28-29

    2.3.2 压力的影响29-30

    2.3.3 燃料气体组成和流量对 SOFC 性能的影响30-31

    2.3.4 燃料利用率对 SOFC 性能的影响31-32

    2.4 动态性能浅析32-37

    2.4.1 氢气流量为输入量电堆温度和电压为输出量32-34

    2.4.2 电流为输入温度和电压为输出34-35

    2.4.3 空气比率为输入温度和电压为输出35-37

    2.5 本章小结37-38

    3 最小二乘支持向量机38-50

    3.1 SVM 原理38-45

    3.1.1 支持向量分类机38-42

    3.1.2 SVM 的核函数42-43

    3.1.3 SVM 回归43-45

    3.2 基于 RLSSVM 的建模算法45-49

    3.2.1 LSSVM 回归算法46-47

    3.2.2 基于 RLSSVM的系统辨识47-49

    3.3 本章小结49-50

    4 基于逆动力学模型的 SOFC 系统自适应逆制约50-57

    4.1 基于 RLSSVM 的逆模型在线辨识50-51

    4.2 基于 RLSSVM 的自适应逆制约51-52

    4.3 基于 RLSSVM 的 SOFC 逆模型辨识52-54

    4.4 基于 RLSSVM 的 SOFC 电压和温度制约54-56

    4.5 本章小结56-57

    5 结论和展望57-59

    5.1 主要探讨成果57-58

    5.2 展望58-59

    致谢59-60

copyright 2003-2024 Copyright©2020 Powered by 网络信息技术有限公司 备案号: 粤2017400971号