【技术实现步骤摘要】
本专利技术涉及燃料电池，具体为质子交换膜含水量预测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、燃料电池以氢气和氧气作为燃料释放电能，其生成物是水，是绿色清洁的能源。燃料电池运行时，其内部湿度是重要的状态参数，内部湿度指质子交换膜的含水量，其性能直接影响质子的传输过程，从而影响到燃料电池的效率；又能够造成内阻的变化，使得输出电压、电流以及功率等参数改变，影响燃料电池的输出特性；含水量低于一定范围后可能会出现“膜干”现象，超过一定范围后可能会出现“水淹”的现象，严重时可能导致电池失效。因此，会以燃料电池内部的湿度(通常为阴极侧的含水量)作为控制目标来维持燃料电池的性能。
3、而燃料电池内部的含水量无法直接测量，目前会通过燃料电池运行时的各类参数经过计算，从而间接的得到含水量，如果使用卷积神经网络预测得到含水量，而卷积神经网络需要经过训练才能获得准确的含水量预测结果，训练期间容易陷入局部最优，导致从训练数据中得到的预测结果不准，需要较长时间的训练才能满足...
【技术保护点】
1.质子交换膜含水量预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的质子交换膜含水量预测方法，其特征在于，将人工鱼算法中的聚群行为融入到麻雀算法中的跟随者位置更新规则中，得到融合后的跟随者位置更新规则为：
3.如权利要求1所述的质子交换膜含水量预测方法，其特征在于，将人工鱼群中的追尾行为融入到麻雀算法中的侦察者位置更新规则中，得到融合后的侦察者位置更新规则为：
4.如权利要求1所述的质子交换膜含水量预测方法，其特征在于，以燃料电池膜电极的内阻、温度和质子交换膜的厚度作为输入，预先经过测量的膜含水量作为输出训练卷积神经网络
5....
【技术特征摘要】
1.质子交换膜含水量预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的质子交换膜含水量预测方法，其特征在于，将人工鱼算法中的聚群行为融入到麻雀算法中的跟随者位置更新规则中，得到融合后的跟随者位置更新规则为：
3.如权利要求1所述的质子交换膜含水量预测方法，其特征在于，将人工鱼群中的追尾行为融入到麻雀算法中的侦察者位置更新规则中，得到融合后的侦察者位置更新规则为：
4.如权利要求1所述的质子交换膜含水量预测方法，其特征在于，以燃料电池膜电极的内阻、温度和质子交换膜的厚度作为输入，预先经过测量的膜含水量作为输出训练卷积神经网络。
5.如权利要求4所述的质子交换膜含水量预测方法，其特征在于，燃料电池膜电极内阻以阻抗法测量，具体为：以正弦波作为激励信号进行扰动，测定其响应信号，并对响应信号进行处理和分析，得到相应的阻抗。
6.如权利要求4所述的质子交换膜含水量预测方法，其特征在于，燃料电池膜的含水量通过烘干称重法进行...
【专利技术属性】
技术研发人员：闫伟，孙方哲，徐卓，王吉川，南勤文，王永超，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。