مدلسازی عملکردی نمودار جریان - ولتاژ تک سل پیل سوختی اکسید جامد به کمک شبکه عصبی مصنوعی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,176

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PSC26_405

تاریخ نمایه سازی: 27 اسفند 1390

چکیده مقاله:

در این مقاله، مدلسازی تک سل پیل سوختی اکسید جامد با کمک روش شبکه عصبی مصنوعی بعنوان یکی از روشهای محاسباتی هوش مصنوعی انجام یافته است. مدلسازی بر روی متغیرهای مختلف تک سل براساس نتایج تجرب ی موجود با کمک شبکه عصبی روبه جلو با کمک الگوریتم پس گسترش خطا با شش ورودی، یک لایه نهانی شامل چهار نرون و ی ک خروجی نتایج رضایت بخشی بدست می دهد . ش بیه سازی رفتار عملکردی نمودار جریان- ولتاژ در مشخصات مختلف تک سل با تغییر ضخامت و تخلخل لایه آند تکی ه تک سل ، ضخامت لایه الکترولیت، ضخامت لایه کاتد فعال و همچن ین دماهای مختلف با نتایج تجربی بصورت کامل مقایسه و ارائه شده است . با استفاده از ای ن روش و انتخاب مشخصات مناسب تک سل می توان عملکرد پیل سوخ تی اکس ید جامد جهت تولید توان الکتریکی بهبود بخشید.

کلیدواژه ها:

نویسندگان

شهریار بزرگمهری

پژوهشگاه نیرو

محسن حامدی

دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Minh NQ, Takahashi T Science and technology of ceramic fuel ...
  • _ _ _ _ _ Energy 2007;32:76 1-86. ...
  • Andersson M, Yuan JL, Sunden B. Review on modeling development ...
  • Arriagada J, Olausson P, Selimovic A Artificial neural network simulator ...
  • Ogaji S.O.T, Singh R., Pilidis P., Diacakis M. Modelling fuel ...
  • Entchev E, Yang L, Application of adaptive neuro-fuzzy ...
  • micro generation installation. J Power Sources 2007; 170:122- 9. ...
  • _ _ _ _ _ _ Zhejiang Univ-SCI A 2007:8:1505-9. ...
  • Wu XJ, Zhu XJ, Cao GY, Tu HY. Modeling a ...
  • Wu XJ, Zhu XJ, Cao GY, Tu HY, Hu WQ. ...
  • Milewski J, Swirski K. Modelling the SOFC behaviours by artificial ...
  • Zhao D, Dong W, Xue D. A hybrid model for ...
  • engineering: research and applications 2008:;16: 161-72. ...
  • Zhao D, Xue DY. Parametric design with neural network relationships ...
  • Zhao F, Virkar AV. Dependence of polarization in anode- supported ...
  • Haykin S. Neural Networks _ A comprehensive foundation. Prentice Hall; ...
  • Hagan MT, Demuth HB, Beale M. Neural Network Desig. PWS ...
  • Foresee FD, Hagan MT. Gauss-Newton approximation to Bayesian regularization. In: ...
  • نمایش کامل مراجع