基于LSTM-UPF混合驱动方法的燃料电池寿命预测OA北大核心CSTPCD
燃料电池的寿命预测是燃料电池健康管理的重要组成部分,可为燃料电池的运行和维护提供指导性意见。为提高寿命预测的工况适应性并保证预测精度,本工作结合长短期记忆神经网络(long short-term memory neural network,LSTM)和无迹粒子滤波(unscented particle filter,UPF)两种算法的优势,提出了一种LSTMUPF混合驱动方法进行稳态和准动态工况下燃料电池的寿命预测。该方法首先优化训练预测模型的实…查看全部>>
曾其权;罗马吉;杨印龙;黄庆泽
中广核研究院有限公司,广东深圳518000武汉理工大学汽车工程学院,湖北武汉430070武汉理工大学汽车工程学院,湖北武汉430070武汉理工大学汽车工程学院,湖北武汉430070
能源与动力
质子交换膜燃料电池寿命预测长短期记忆神经网络无迹粒子滤波
《储能科学与技术》 2024 (3)
P.963-970,8
国家自然科学基金(52277080)湖北省重点研发计划(2023BAB114)。
评论