基于神经网络的固体氧化物燃料电池建模研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-24页 |
| ·研究背景与意义 | 第8-9页 |
| ·燃料电池概述 | 第9-10页 |
| ·固体氧化物燃料电池(SOFC)简介 | 第10-18页 |
| ·SOFC工作原理及组成 | 第10-14页 |
| ·SOFC发电系统 | 第14-18页 |
| ·国内外SOFC的研究概况 | 第18-23页 |
| ·国内外的SOFC研究情况 | 第18-19页 |
| ·SOFC建模的研究现状 | 第19-21页 |
| ·SOFC模型研究现状总结 | 第21-22页 |
| ·SOFC研究的发展趋势 | 第22-23页 |
| ·本论文的主要内容及创新点 | 第23-24页 |
| 第二章 SOFC的输出特性及性能影响因素分析 | 第24-34页 |
| ·SOFC的输出特性 | 第24-28页 |
| ·电池电动势和Nernst方程 | 第25页 |
| ·SOFC的极化分析 | 第25-28页 |
| ·影响SOFC性能的因素分析 | 第28-32页 |
| ·结构参数对SOFC性能的影响 | 第28-30页 |
| ·工作参数对SOFC输出特性的影响 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 基于神经网络的SOFC建模与仿真 | 第34-51页 |
| ·人工神经网络 | 第35-39页 |
| ·人工神经网络模型 | 第35-36页 |
| ·神经网络结构 | 第36-37页 |
| ·神经网络的学习 | 第37-39页 |
| ·径向基函数(RBF)神经网络 | 第39-44页 |
| ·RBF神经网络的数学基础 | 第39-41页 |
| ·RBF神经网络模型 | 第41-44页 |
| ·RBF神经网络设计与仿真 | 第44-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 粒子群算法优化的RBF网络SOFC建模 | 第51-66页 |
| ·粒子群算法 | 第51-57页 |
| ·粒子群算法原理 | 第51-53页 |
| ·粒子群算法模型分类 | 第53-55页 |
| ·粒子群算法的改进 | 第55-57页 |
| ·粒子群算法的参数选择 | 第57-59页 |
| ·粒子群算法优化RBF神经网络 | 第59-60页 |
| ·仿真比较 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |
