欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025106229243
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 基本电气元件
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种质子交换膜燃料电池冷启动时间的预测方法,其特征在于,包括:基于燃料电池构建冷启动时间预测的机理模型;

构建神经网络模型,基于所述机理模型对所述神经网络模型进行训练,获得预测模型;

基于所述预测模型对质子交换膜燃料电池冷启动时间进行预测,生成预测结果。

2.根据权利要求1所述的方法,其特征在于,所述机理模型包括:气体传输模型、输出电压模型、温度分层模型和水传输模型。

3.根据权利要求2所述的方法,其特征在于,所述气体传输模型包括:阴极气体传输模型和阳极气体传输模型,所述阴极气体传输模型和阳极气体传输模型用于反应燃料电池在低温环境下的气体扩散、迁移与反应过程。

4.根据权利要求2所述的方法,其特征在于,所述输出电压模型用于得到在冰累积因素的影响下燃料电池实际运行条件下向外部提供的电压。

5.根据权利要求2所述的方法,其特征在于,所述温度分层模型基于膜电极处的传热关系表达式建立,用于计算膜电极温度以及融冰热量。

6.根据权利要求2所述的方法,其特征在于,所述水传输模型用于进行水平衡计算和冰累积计算。

7.根据权利要求1所述的方法,其特征在于,所述获得预测模型的过程包括:基于所述机理模型得到的启动时间和输入量作为历史数据集;

对所述历史数据集进行归一化处理,获得归一化数据集;

构建神经网络模型,基于所述归一化数据集对所述神经网络模型进行训练,获得训练模型;

使用测试集对模型进行评估,计算均方误差和决定系数作为模型预测精度的衡量指标,获得所述预测模型。

8.根据权利要求1所述的方法,其特征在于,所述预测模型的输入层为2个节点,1个隐藏层拥有60个神经元,输出层为1个节点。

9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算程序,其特征在于,所述处理器执行所述计算程序时实现所述权利要求1-8任意一项所述方法。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现所述权利要求1-8任意一项所述方法。