典型文献
基于新型神经网络的燃料电池性能衰减预测
文献摘要：
为了更准确地预测燃料电池性能的衰减情况,提出Wavelet-Elman-LSTM算法,通过小波分解实现基准电压信号的分解,利用Elman神经网络实现高频分量的预测,采用长短期记忆(LSTM)神经网络实现低频分量的趋势预测,从而实现更精准的性能衰减预测.通过稳定工况(恒流工况)和极端工况(启停加速老化、怠速加速老化)下3组不同的衰减数据集,从短期预测和长期预测2个维度进行Wavelet-Elman-LSTM神经网络与Elman、LSTM神经网络的性能衰减预测效果的横向比较,结果证明,所提出的Wavelet-Elman-LSTM神经网络在稳定工况与极端工况下均具有显著优越性,特别是在恒流工况下,短期预测、长期预测的均方根误差均大幅降低.
文献关键词：
质子交换膜燃料电池;耐久性;小波分解;Elman神经网络;长短期记忆
中图分类号：
作者姓名：
丛铭;马天才;王凯;姚乃元
作者机构：
同济大学,上海201804
文献出处：
引用格式：
[1]丛铭;马天才;王凯;姚乃元-.基于新型神经网络的燃料电池性能衰减预测)[J].汽车技术,2022(09):23-29
A类：
B类：
燃料电池性能,性能衰减,衰减预测,Wavelet,Elman,小波分解,基准电压,电压信号,高频分量,长短期记忆,低频分量,趋势预测,恒流,极端工况,启停,加速老化,怠速,减数,短期预测,长期预测,横向比较,质子交换膜燃料电池,耐久性
AB值：
0.279027
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
