中国科学院大连化学物理研究所邵志刚获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉中国科学院大连化学物理研究所申请的专利一种基于BP神经网络的燃料电池建模方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN113988296B 。
龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202111402046.2,技术领域涉及:G06Q10/04;该发明授权一种基于BP神经网络的燃料电池建模方法是由邵志刚;王朋豪;孟祥超;任红设计研发完成,并于2021-11-19向国家知识产权局提交的专利申请。
本一种基于BP神经网络的燃料电池建模方法在说明书摘要公布了:本发明提供一种基于BP神经网络的燃料电池建模方法,包括以下步骤:采集不同操作条件下燃料电池的输出电压,并将其分为训练集和验证集;对训练集和验证集进行数据预处理;采用网格搜索法分别对单隐含层和双隐含层的神经网络拓扑结构进行优化,并挑选出验证误差最小的神经网络;采集其他同操作条件不同于训练集和验证集的操作条件下燃料电池的输出电压,并将其作为测试集,用于测试网络的预测精度。本发明能够实现高精度预测不同操作条件下的燃料电池输出电压,为系统控制提供决策支持。
本发明授权一种基于BP神经网络的燃料电池建模方法在权利要求书中公布了:1.一种基于BP神经网络的燃料电池建模方法,其特征在于,包括如下步骤: S1:采集不同的操作条件下燃料电池的输出电压,并将其分为训练集和验证集;所述操作条件包括:燃料电池工作温度、阴阳极压力、阴阳极气体流量计量比、阴阳极增湿度、加载电流密度的一种或多种的组合;所述燃料电池工作温度为60~80℃,所述阴阳极增湿度为0~100%RH,所述阴阳极气体计量比为2.0~3.5,所述阴阳极压力为1bar;所述加载电流密度为0~3.5Acm-2; S2:对所述训练集和验证集进行数据预处理; S3:通过网格搜索法分别对单隐含层和双隐含层的神经网络拓扑结构进行优化,并选择验证误差最小的神经网络作为最终优化结果; S4:采集不同于所述训练集和所述验证集的操作条件下,燃料电池的输出电压,并将其作为测试集,用于测试网络的预测精度; S5:若|测试误差-验证误差|≤验证误差,则输出该神经网络;否则,返回步骤S3。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国科学院大连化学物理研究所,其通讯地址为:116000 辽宁省大连市沙河口区中山路457号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。