汽车尾气温差发电系统车载兼容性多目标优化研究

汽车尾气温差发电系统在接入发动机的排气管时会改变其气流,为了尽可能降低对发动机原有性能的影响,提高汽车尾气温差发电系统的发电性能,针对汽车尾气温差发电用六边形热交换器,以表面平均温度最高和压力损失最小为目标进行其车载兼容性优化。基于CFD软件搭建了热交换器的有限元仿真模型,研究热交换器的入口气体流速对其表面温度和压力损失的影响,以及入口气体温度对其表面温度的影响,以翅片长度、角度、宽度及翅片间的间距为设计变量,针对试验数据建立高斯过程回归代理模型,并采用灰狼算法在多目标优化函数空间中寻求最优解。结果表明,与经典的NSGA-Ⅱ算法相比,利用多目标灰狼算法进行优化时所得Pareto解集更为集中,设定的评价指标值也更高;与优化前的几种结构相比,优化后的热交换器表面平均温度有所降低,但压力损失下降显著;与空腔结构热交换器相比,其表面平均温度和压力损失均有提升,压力损失增加幅值在可接受范围内,证明优化后的热交换器能有效兼顾汽车尾气温差发电系统的功率及其车载兼容性。

基于Res-LSTM的燃料电池系统故障检测

质子交换膜燃料电池系统由多个子系统组成,其运行机理复杂,在运行中易发生多种故障,对其进行故障检测有利于控制策略调整,提高系统的可靠性.本文运用残差-长短期记忆网络(Residual Network with Long Short-Term Memory, Res-LSTM)对质子交换膜燃料电池系统的输入输出关系进行建模,运用基于模型的方法对燃料电池系统进行故障检测.实验结果表明,残差-长短期记忆网络能准确预测正常状态的燃料电池输出电压,通过电压残差阈值比较,可以进行故障检测.与长短期记忆网络相比,残差-长短期记忆网络的预测结果更精确,训练速度更快,电压残差阈值更小,从而可以获得更准确的故障检测结果.

基于门控循环单元神经网络的燃料电池系统故障监测

质子交换膜燃料电池运行机理复杂,对工作环境要求高,在运行中可能出现多种类型故障.为了对燃料电池进行故障监测,保障系统正常运行,提高安全可靠性,采用门控循环单元神经网络建立燃料电池系统的输入输出模型,将燃料电池系统实际输出电压与门控循环单元神经网络的预测电压进行比较产生电压残差,对电压残差进行评价判断燃料电池系统有无故障.结果表明,该方法可以很好地拟合燃料电池的输入输出模型,合理选取电压残差阈值可有效监测燃料电池的运行状态是否正常.不同神经网络的实验表明,门控循环单元神经网络在网络参数规模上比全连接神经网络大大减少,比简单循环神经网络更容易训练.