摘要
在航空方面,对以甲烷为燃料的固体氧化物燃料电池(solid oxide fuel cell,SOFC)-燃气轮机(gas turbine,GT)混合动力系统展开了相应的研究.考虑到SOFC-GT混合动力系统复杂的仿真模型,难以满足飞行器飞行过程中对混合动力系统实时控制的需要,本文提出了改进的量子粒子群算法(improved quantum behavior particle swarm optimization,IQPSO)径向基函数(radial basis function,RBF)神经网络模型来描述SOFC-GT混合动力系统在不同高度下燃油流量与效率之间的非线性特性.同时考虑到数据来源不足,本文首先建立了以甲烷为燃料的直接内部重整SOFC-GT混合动力系统的数学仿真模型,并且考虑了GT效率变化对混合动力系统效率的影响,然后基于该模型获取了IQPSO-RBF神经网络模型的训练和预测数据.结果表明:不考虑GT效率变化使得SOFC-GT混合系统效率计算结果偏高;相对于QPSO-RBF神经网络模型和PSO-RBF神经网络模型,IQPSO-RBF模型能更好地预测在不同高度下SOFC-GT系统效率在不同燃油流量下的变化规律.
国家科技期刊平台
NSTL
万方数据