基于PSO与LS-SVM的作物需水量预测

为了提高作物需水量预测精度,提出基于粒子群优化算法(PSO)优化最小二乘支持向量机(LS-SVM)的预测模型。该模型以空气湿度、温度、太阳辐射以及风速为输入,利用多项式核函数和径向基核函数的非负线性组合构造核函数,将粒子群优化算法(PSO)与交叉验证方法用于确定模型参数。实验结果表明与神经网络和随机森林相比,PSO优化的LS-SVM可获得更好的预测精度和泛化能力,可用于节水灌溉,具有较高的应用价值。     

城市小时级需水量的改进型引力搜索算法--最小二乘支持向量机模型预测

本文研究利用最小二乘支持向量机(least squares support vector machine,LS-SVM)算法建立城市小时级需水量预测模型.采取精英策略,自适应的速度更新权重系数,同时引入粒子历史最优信息对引力搜索算法(gravitational search algorithm,GSA)进行了改进.最后采用改进型引力搜索算法(ameliorated gravitational search algorithm,AGSA)优化LS-SVM水量预测模型的正规化参数和核参数来提高模型的预测精度及预测速度.理论测试与实例分析表明,基于AGSA比基于GSA,遗传算法(genetic algorithms,GA)和粒子群优化算法(particle swarm optimization,PSO)的LS-SVM水量预测模型具有更好的预测精度,从而验证了基于AGSA的LS-SVM算法适用于小时级需水量预测问题,AGSA适用于多领域的模型参数的优化过程.     

动态贝叶斯最小二乘支持向量机

为了对涡扇发动机的运行参数变化进行实时高精度预测,提出一种基于动态贝叶斯最小二乘支持向量机(LS-SVM)的时间序列预测算法。该算法将贝叶斯证据框架理论用于推断LS-SVM的初始模型参数;然后,利用样本增减迭代学习算法实现LS-SVM的参数动态调整。对某型涡扇发动机的摩擦力矩时间序列进行动态预测,并与动态LS-SVM模型的预测结果进行比较。结果显示,动态贝叶斯LS-SVM具有较好的预测精度。     

蚁群算法滚动优化的LS-SVM预测控制研究

针对非线性过程预测控制的模型预测和滚动优化问题,提出一种蚁群算法滚动优化的最小二乘支持向量机(LS-SVM)新型预测控制器,该控制器以建模简单、精度高的LS-SVM作为预测模型,蚁群算法作为滚动优化策略,避免了滚动优化中复杂的梯度计算.仿真研究表明,该控制器具有良好的非线性控制效果.     

基于耦合模拟退火优化最小二乘支持向量机的车轮踏面磨耗量预测

针对最小二乘支持向量机(LS-SVM)超参数优化问题,提出采用改进耦合模拟退火(CSA)算法优化LSSVM超参数。首先,耦合模拟退火算法通过并行处理多个独立模拟退火(SA)寻优过程,提高LS-SVM模型超参数优化效率;然后通过调整接受温度控制耦合项超参数的接受概率方差,降低CSA算法初始设置对LS-SVM最优超参数确定过程稳健性的影响;最后结合既有线轮轨现场的实际检测数据,开展了基于改进耦合模拟退火优化的最小二乘支持向量机(CSA LS-SVM)回归模型性能对比实验。结果表明,CSA LS-SVM回归模型达到了模型精度、算法快速性、算法鲁棒性的有效折中,所建立的LS-SVM优化模型用于现场的车轮踏面磨耗量的预测是有效的。     

基于SAPSO-LSSVM的蛋白质模型质量评估

针对传统蛋白质模型质量评估没有考虑同源信息的问题,提出了一种基于LS-SVM评估蛋白质模型质量的方法。首先,综合模拟退火(Simulated Annealing,SA)算法跳出局部最优解和粒子群(PSO)算法收敛速度快的特点,提出了模拟退火粒子群(SAPSO)算法;然后利用SAPSO算法来优化LS-SVM参数 和 ;最后得到最优模型来评估蛋白质模型质量。实验结果表明,经SAPSO优化LS-SVM参数所得到的评估预测误差较小,且预测值更稳定。     

蚁群算法滚动优化的LS-SVM预测控制研究

针对非线性过程预测控制的模型预测和滚动优化问题,提出一种蚁群算法滚动优化的最小二乘支持向量机(LS-SVM)新型预测控制器.该控制器以建模简单,精度高的LS-SVM作为预测模型,蚁群算法作为滚动优化策略,避免了滚动优化中复杂的梯度计算.仿真研究表明,该控制器具有良好的非线性控制效果.

     

质子交换膜燃料电池的分数阶非线性状态空间模型研究

针对质子交换膜燃料电池(PEMFC)发电过程中的分数阶和非线性特性,本文提出了一种分数阶子空间辨识方法建立了PEMFC非线性状态空间模型.首先,为了降低建模复杂度,采用典型相关分析法和相关分析法确定了模型输入变量;其次,将分数阶微分理论与Hammerstein模型子空间辨识方法相结合,采用Poisson矩函数对输入输出数据进行预处理,构造了子空间辨识方法的输入输出矩阵,并引入分数阶短时记忆法减少辨识算法计算量;最后,选取多项式作为Hammerstein模型前端静态非线性环节,采用模糊遗传算法优化系统分数阶阶次和系数矩阵.仿真结果验证了算法的有效性,改进的辨识算法可以明显减小计算时间,所得PEMFC辨识模型能够准确地描述PEMFC的动态过程.     

PEMFC发电系统的自适应模糊控制与动态分析

监测和控制燃料电池的过程中,需要获得各种实时数据.质子交换膜燃料电池(PEMFC)发电系统中的参数强耦合、高度非线性特性增加了对其控制的难度,传统的PI控制虽然对模型精确的系统有较好的控制效果,但对于参数波动的系统则无法获得较高的控制性能.针对以上情况,基于PEMFC发电系统的动态仿真模型,根据重整器在燃料电池发电系统中的作用,设计了自适应模糊控制器.利用模糊控制规则在线控制氢气摩尔流,从而控制PEMFC发电系统的输出功率.仿真结果表明,该动态模型能够预测输出电压.响应曲线显示出自适应模糊控制算法能够较好控制燃料电池有功和无功功率的输出.模型具有良好的负载跟踪特性.     

质子交换膜燃料电池动态建模及其双模控制

由于已提出的质子交换膜燃料电池(PEMFC)模型难于控制, 提出利用MATLAB/SIMULINK仿真工具进行PEMFC系统动态建模, 同时为实现对PEMFC系统输出电压的控制, 采用了基于模糊规则切换的模糊逻辑控制器(FLC)和比例积分微分控制器(PID)相结合的双模控制方式. 仿真结果证明该动态模型易于控制, 能够反映出PEMFC系统的动态输出特性, 而且验证了基于模糊规则切换的双模控制能够有效抑制扰动, 改善PEMFC系统的动态输出特性, 保证系统的稳定运行, 有助于对PEMFC系统的输出性能分析以及实时控制系统的设计.     

Real‐time thermal Management of Open‐Cathode PEMFC system based on maximum efficiency control strategy

Improving the efficiency of the proton exchange membrane fuel cell (PEMFC) system is the main problem should be solved for the commercialization of PEMFC. In this paper, the efficiency characteristic of PEMFC system under load and stack temperature variation is analyzed through theoretical modeling and experimental verification. For high efficiency operation of PEMFC system, the maximum efficiency control strategy (MECS) is proposed for thermal management of PEMFC system. According to the efficiency characteristics of PEMFC system, the optimal efficiency trajectory of system is obtained under maximum efficiency optimization (MEO). As PEMFC system is a nonlinear system with the characteristics of time‐variation, and uncertainty, a constrained generalized predictive control (CGPC) is proposed to realize real‐time optimal efficiency trajectory tracking. The MECS based on MEO and CGPC is implemented on‐line, experimentally validated on the established H‐300 open‐cathode PEMFC system. The experimental result shows better tracking ability compared with PID control and testifies the validity of MECS for increasing the system efficiency. Therefore, the proposed MECS can provide better system dynamic response and higher system efficiency.     

PEMFC系统过氧比的自适应高阶滑模控制

调节控制质子交换膜燃料电池(PEMFC)空气供给系统过氧比(OER)在理想范围可有效提高PEMFC系统输出净功率.为此,本文首先结合反馈控制理论将非线性PEMFC空气供给系统转化为标准形,并对系统内部动态进行了稳定性分析.然后基于PEMFC空气供给系统系统扩展的状态空间,并提出一种新型的自适应高阶滑模方法.该控制器不需PEMFC空气供给系统模型和干扰/不确定向的界已知的条件,自适应模糊逻辑系统可在线逼近系统中未建模动态.并且通过在线自适应获得的控制增益可保证系统跟踪误差收敛到原点附近的邻域内.最后,结合Lyapunov理论验证了系统的收敛性与稳定性,通过仿真和硬件在环实验进一步验证了该控制器的自适应性与优越性.     

Modeling of a proton exchange membrane fuel cell based on the hybrid particle swarm optimization with Levenberg–Marquardt neural network

This paper presents a nonlinear modeling approach of a proton exchange membrane fuel cell (PEMFC) based on the hybrid particle swarm optimization with Levenberg–Marquardt algorithm neural network (PSO-LM NN). The PSO algorithm converges rapidly during the initial stages of a global search, while it becomes extremely slow around the global optimum. On the contrary, the LM algorithm can achieve faster convergent speed around the global optimum, while it is prone to being trapped in the local minimum. Therefore the hybrid algorithm with a transition from PSO search to LM training is proposed to train the weights and thresholds of neural network, which aims to exploit the advantage of the both algorithms. An accurate mathematical model is an extremely useful tool for the fuel cell design, and neural network is an excellent optional tool for complex nonlinear dynamic system modeling such as PEMFC. In the paper, firstly a highly reduced PEMFC dynamic physical model is established to generate the data for the PSO-LM NN model training and validation, and then the neural network nonlinear autoregressive model based on the PSO-LM algorithm is applied in modeling PEMFC voltage and temperature model, and finally the validation test result demonstrates that the trained PSO-LM NN model can efficiently approach the dynamic behavior of a PEMFC.     

基于支持向量机的PEMFC电特性仿真研究

质子交换膜燃料电池(PEMFC)是一个非线性、多输入、强耦合、大时延的复杂动态系统,传统的根据系统物理和化学的特性建立的数学模型,具有较大的局限性.从质子交换膜燃料电池的物理结构、输出特性曲线和数学模型方面对其进行了描述,针对PEMFC的复杂动态环境,利用支持向量机对于给定试验样本数据的良好的泛化性能,根据在自制的PEMFC单电池上进行试验所得到的数据,对质子交换膜燃料电池的电特性进行了回归运算.结果发现,在样本数目较小时,采用指数型径向基核函数对PEMFC进行回归运算较为理想;当数据样本数目巨大时,高斯径向基核函数可以获得很好的支持向量稀疏度,具有明显的优越性,这为PEMFC燃料电池的建模仿真及有效控制其电压输出特性提供了新的思路.     

质子交换膜燃料电池建模与动态仿真

对质子交换膜燃料电池（PEMFC）电堆进行电输出特性研究,有助于改善燃料电池的设计,提高其性能。运用MATLAB的Simulink仿真工具对PEMFC建立仿真模型,通过所建立的电堆参数模型,就能够研究主要运行参变量对电堆动态输出性能和电堆非线性内阻产生的影响。当电堆输出电流出现阶跃变化时,对电堆电压,输出功率,消耗功率,电堆效率,非线性内阻的动态响应,进行了仿真和结果分析。仿真结果符合文献[7]实验数据,表明此参数模型是可操作和有效的,并可方便地用于PEMFC控制方法研究。     

基于变论域模糊增量理论的质子交换膜燃料电池温度控制

质子交换膜燃料电池(PEMFC)内部的电化学反应过程直接表现为温度的变化,所以有效的温度控制是保证燃料电池可靠性和耐久性的关键.本文将模糊增量控制用于PEMFC热管理系统中,将PEMFC的温度和电堆出入口温度差保持在设定值.首先,建立PEMFC热管理系统的动态模型,包括PEMFC电堆模型和辅助散热设备模型.然后,基于建立的系统模型,设计了一种变论域的模糊增量控制器.该控制器通过伸缩因子来动态调节模糊控制器中的量化因子和比例因子,实现对模糊论域的调节,从而提高控制的灵敏性和精确度.最后,将该温度控制方法用于10 kW燃料电池系统中,实验结果表明变论域模糊增量控制器相比于其他模糊控制方法,不仅具有更快的动态响应速度,还具有更强的鲁棒性和更高的控制精度.     

质子交换膜燃料电池稳态模型及仿真

质子交换膜燃料电池(PEMFC)发电装置具有高能效,低噪音,常温启动和环境友好等特点.文中将对PEMFC进行稳态建模,使模型能正确反映电堆的实际输出性能.PEMFC实验模型主要是通过实验方法,建立描述电池输出特性(输出电压与电流密度关系)的经验公式.为了提高模型的精度,以便模型能更好地反映真实的PEMFC电对性能,则需要对模型的参数进行优化.通过不同的Matlab优化函数对所建模型进行参数辨识,比较得出其中结果较好的对模型进行仿真,以验证模型的正确性.     

基于ANFIS的千瓦级PEMFC温度辨识

质子膜燃料电池（PEMFC）工作被认为是21世纪最有希望的绿色发电技术,其原理涉及热力学、电化学、流体力学、传质学等理论,形成一个非线性复杂系统,难以建立数学模型.因此,该文利用模糊逻辑系统和人工神经网络具有为非线性系统建模的较强的逼近能力以及自学习能力,采用了自适应神经模糊算法,建立PEMFC温度特性模型;利用测试数据作为训练样本,在氢气压力给定的条件下,以空气（或氧气）压力和冷却水作温度为模型的输入量,电池的工作温度为输出量,建立了三种不同PEMFC温度特性模型.表明该方法具有简单、可行、精度高等优点.并为PEMFC控制系统的设计和电池性能的优化提供了基本依据.